使用Quanteda与LDA完成主题建模后，如何实现指定风格的结果可视化？

一、提取每个主题概率最高的词汇 #

假设你的LDA模型对象为lda_model（通过textmodel_seededlda()生成，设置k=5），按以下步骤操作：

1. 获取主题-词概率矩阵

# 提取主题对应词汇的概率分布
term_probs <- posterior(lda_model)$terms

该矩阵的行代表主题，列代表词汇，值为对应词汇在主题下的概率。

2. 筛选每个主题的Top N高概率词汇（以Top 10为例）
   用tidyverse工具整理成整洁格式，方便后续处理：

library(dplyr)
library(tibble)
library(tidyr)

top_terms <- term_probs %>%
  as.data.frame() %>%
  rownames_to_column(var = "topic") %>%
  pivot_longer(cols = -topic, names_to = "term", values_to = "probability") %>%
  group_by(topic) %>%
  slice_max(order_by = probability, n = 10) %>%
  ungroup()

最终的top_terms数据框包含每个主题下概率最高的10个词汇及其对应概率值。

二、复刻主题最高词概率可视化 #

使用ggplot2实现分面横向条形图效果，匹配目标样式：

1. 依赖包准备

install.packages("tidytext") # 用于词汇排序
library(ggplot2)
library(tidytext)

2. 绘制可视化图形

ggplot(top_terms, aes(x = probability, y = reorder_within(term, probability, topic))) +
  geom_col(show.legend = FALSE) +
  facet_wrap(~topic, scales = "free_y") +
  scale_y_reordered() +
  labs(x = "词概率", y = NULL, title = "各主题最高概率词汇") +
  theme_minimal()

• reorder_within()和scale_y_reordered()实现每个分面内单独按概率排序词汇
• 若需调整样式（如颜色、主题），可修改geom_col()的fill参数或替换theme_minimal()为其他主题

补充提示 #

• terms(lda_model, n = 10)也能提取主题Top词，但默认按点互信息排序，而非直接按概率，因此用posterior()提取概率矩阵更准确
• 确保quanteda和seededlda为最新版本，避免兼容问题：update.packages(c("quanteda", "seededlda"))

内容的提问来源于stack exchange，提问作者larry77