Wyprowadziłem model tematu LDA, używając korpusu zabawki w następujący sposób:

documents = ['Human machine interface for lab abc computer applications',
             'A survey of user opinion of computer system response time',
             'The EPS user interface management system',
             'System and human system engineering testing of EPS',
             'Relation of user perceived response time to error measurement',
             'The generation of random binary unordered trees',
             'The intersection graph of paths in trees',
             'Graph minors IV Widths of trees and well quasi ordering',
             'Graph minors A survey']

texts = [[word for word in document.lower().split()] for document in documents]
dictionary = corpora.Dictionary(texts)

id2word = {}
for word in dictionary.token2id:    
    id2word[dictionary.token2id[word]] = word

Odkryłem, że gdy korzystam z niewielkiej liczby tematów, aby uzyskać model, Gensim przedstawia pełny raport dotyczący dystrybucji tematycznej we wszystkich potencjalnych tematach dla dokumentu testowego. Na przykład.:

test_lda = LdaModel(corpus,num_topics=5, id2word=id2word)
test_lda[dictionary.doc2bow('human system')]

Out[314]: [(0, 0.59751626959781134),
(1, 0.10001902477790173),
(2, 0.10001375856907335),
(3, 0.10005453508763221),
(4, 0.10239641196758137)]

Jednak gdy używam dużej liczby tematów, raport nie jest już kompletny:

test_lda = LdaModel(corpus,num_topics=100, id2word=id2word)

test_lda[dictionary.doc2bow('human system')]
Out[315]: [(73, 0.50499999999997613)]

Wydaje mi się, że tematy z prawdopodobieństwem mniejszym niż pewien próg (zauważyłem, że dokładniej 0.01) są pomijane z wyników.

Zastanawiam się, czy to zachowanie wynika z pewnych względów estetycznych? I jak mogę uzyskać rozkład pozostałości masy prawdopodobieństwa na wszystkie inne tematy?

Dziękuję za życzliwą odpowiedź!