如何从R语言STM包的结构主题模型结果中导出文档-主题数据框至CSV文件

我明白你在使用STM包训练结构主题模型后，卡在了导出文档-主题分布这一步——别担心，这其实是个非常常见的需求，STM包内置了直接提取这些数据的方式，下面我一步步给你演示：

1. 提取文档-主题概率矩阵 #

当你训练完STM模型后（比如你的poliblogPrevfit对象），模型结果里的theta属性就是文档-主题概率矩阵：每一行对应一个文档，每一列对应一个主题，单元格里的值是该文档属于对应主题的概率。

你可以直接提取并转换为数据框：

# 从训练好的模型中提取文档-主题概率矩阵
doc_topic_matrix <- poliblogPrevfit$theta

# 转换为数据框，并给主题列设置清晰的名称（比如Topic_1、Topic_2...）
doc_topic_df <- as.data.frame(doc_topic_matrix)
colnames(doc_topic_df) <- paste0("Topic_", 1:ncol(doc_topic_df))

2. （可选）结合文档元数据 #

如果你想把文档的原始信息（比如文档ID、原文片段、你之前用到的event/Covid元数据）和主题分布放在一起，可以合并你的元数据框：

# 合并元数据与主题分布数据框
doc_topic_full <- cbind(out$meta, doc_topic_df)

3. 导出为CSV文件 #

最后用write.csv()函数把数据框导出到你指定的路径：

# 导出文件，row.names=FALSE避免把行号写入CSV
write.csv(doc_topic_full, "document_topic_distribution.csv", row.names = FALSE)

额外需求：提取每个文档的主导主题 #

如果你不需要所有主题的概率，只想要每个文档最可能归属的主题，可以用下面的代码添加到数据框中：

# 找出每个文档概率最高的主题
doc_topic_df$Dominant_Topic <- apply(poliblogPrevfit$theta, 1, which.max)

# 导出包含主导主题的版本
write.csv(doc_topic_df, "document_dominant_topic.csv", row.names = FALSE)

注意：如果你用的是selectModel选中的模型 #

如果你最终用的是selectModel函数筛选出的最优模型（比如你的selectModel = poliblogSelect$runout[[1]]），只需要把上面代码里的poliblogPrevfit替换成selectModel即可。

内容的提问来源于stack exchange，提问作者Monica Muller