LDA模型处理语料时TypeError错误排查与解决请求

问题场景 #

用训练好的lda_model配合id2word.doc2bow(text)生成的corpus识别文章主导主题时，执行排序代码触发报错：

TypeError: '<' not supported between instances of 'int' and 'tuple'

打印row发现它是包含三个元素的元组，第一个元素是主题-概率列表，后两个为其他关联结构。

错误原因 #

排序操作误作用于整个row元组，而非元组内的主题-概率列表部分。直接对row排序时，Python会尝试比较元组里的不同类型元素（比如int和tuple），导致类型不兼容错误。

解决方案 #

将排序目标锁定到row的第一个元素（主题-概率列表），针对列表内的(主题ID, 概率)元组按概率值排序：

错误代码示例

# 错误：直接对整个row元组排序
sorted_result = sorted(row)

正确代码示例

# 提取主题-概率列表
topic_prob_list = row[0]
# 按概率降序排序，获取主导主题
sorted_topics = sorted(topic_prob_list, key=lambda x: x[1], reverse=True)
# 取排序后的第一个元素作为主导主题
dominant_topic = sorted_topics[0]

说明 #

row[0]返回的是形如[(主题ID1, 概率1), (主题ID2, 概率2), ...]的列表，对这个列表排序时，通过key=lambda x: x[1]指定按元组的第二个元素（概率值）排序，reverse=True实现降序排列，就能正确得到概率最高的主导主题。

内容的提问来源于stack exchange，提问作者shan