如何将STM与LDA主题模型匹配原数据集并重命名主题？

STM模型：生成文档-主题对应数据框 #

STM模型的theta矩阵存储了每个文档对应各主题的概率值（行=文档，列=主题）。通过以下步骤可以生成包含文档ID和对应主题的数据框：

方法1：提取主导主题（概率最高的主题） #

# 从dfm中获取文档ID
doc_ids <- docnames(dfm_to_model)

# 提取文档-主题概率矩阵
topic_probs <- stm_topic$theta

# 找出每个文档概率最高的主题编号
dominant_topic <- apply(topic_probs, 1, which.max)

# 生成最终数据框
stm_doc_topic_df <- data.frame(
  docid = doc_ids,
  dominant_topic = dominant_topic,
  stringsAsFactors = FALSE
)

# 查看前几行结果
head(stm_doc_topic_df)

方法2：保留所有主题的概率值 #

如果需要完整的文档-主题概率分布，可以直接合并文档ID和概率矩阵：

stm_full_topic_df <- cbind(docid = doc_ids, as.data.frame(topic_probs))
head(stm_full_topic_df)

LDA模型（quanteda的textmodel_lda）：生成文档-主题对应数据框 #

quanteda的textmodel_lda对象中，theta矩阵是主题×文档的结构，需要先转置为文档×主题格式，再处理：

# 获取文档ID
doc_ids <- docnames(dfm_to_model)

# 转置theta矩阵为文档×主题格式
lda_topic_probs <- t(tmod_lda$theta)

# 提取每个文档的主导主题
lda_dominant_topic <- apply(lda_topic_probs, 1, which.max)

# 生成数据框
lda_doc_topic_df <- data.frame(
  docid = doc_ids,
  dominant_topic = lda_dominant_topic,
  stringsAsFactors = FALSE
)

# 查看结果
head(lda_doc_topic_df)

为主题重命名 #

无论是STM还是LDA模型，都可以通过映射关系将默认的主题编号替换为自定义名称：

STM模型主题重命名 #

# 定义主题名称映射（根据实际主题内容调整）
topic_name_map <- c(
  "1" = "Leadership",
  "2" = "National Unity",
  "3" = "Policy & Governance",
  "4" = "Foreign Affairs",
  "5" = "Civil Rights"
)

# 方法1：在数据框中替换主题编号为自定义名称
stm_doc_topic_df$topic_name <- recode(stm_doc_topic_df$dominant_topic, !!!topic_name_map)

# 方法2：为STM模型添加主题标签（可视化时自动显示）
stm_topic$topic.names <- unname(topic_name_map)
# 重新绘图会显示自定义主题名
plot(stm_topic, type="summary")

LDA模型主题重命名 #

# 使用同样的主题名称映射
topic_name_map <- c(
  "1" = "Leadership",
  "2" = "National Unity",
  "3" = "Policy & Governance",
  "4" = "Foreign Affairs",
  "5" = "Civil Rights"
)

# 方法1：修改数据框中的主题名称
lda_doc_topic_df$topic_name <- recode(lda_doc_topic_df$dominant_topic, !!!topic_name_map)

# 方法2：修改LDA模型的主题标签（提取术语时显示自定义名称）
names(tmod_lda$topics) <- unname(topic_name_map)
# 提取术语时会显示自定义主题名
seededlda::terms(tmod_lda, 10)

内容的提问来源于stack exchange，提问作者R_Student