基于STM模型计算Reddit仇恨言论分类对应主题占比的技术咨询

前提：已完成STM模型拟合，且所有待分析帖子都完成了仇恨言论类别标注。

两类结果实现代码 #

# 加载依赖包
library(stm)
library(dplyr)

# 标注数据示例（修正原示例的语法错误）
post_data <- data.frame(
  content = c("i dislike asian", "i dislike black"),
  anti_asian = c(TRUE, FALSE),
  anti_black = c(FALSE, TRUE)
)

# 提取STM模型输出的帖子-主题归属概率矩阵
# theta矩阵每行对应1条帖子，每列对应1个主题，值为该帖子属于对应主题的概率
theta_matrix <- fitted_stm_model$theta
# 为每条帖子匹配概率最高的主导归属主题
post_data$dominant_topic <- apply(theta_matrix, 1, which.max)

# ----------------------
# 第一类结果：各主题下不同仇恨言论占比
# ----------------------
topic_hate_ratio <- post_data %>%
  group_by(dominant_topic) %>%
  summarise(
    post_count = n(),
    反亚裔占比 = round(sum(anti_asian)/post_count * 100, 2),
    反黑人占比 = round(sum(anti_black)/post_count * 100, 2)
    # 存在其他仇恨类别可按上述格式补充
  )
# 输出第一类结果
View(topic_hate_ratio)

# ----------------------
# 第二类结果：各仇恨言论在全部主题中的整体占比
# ----------------------
global_hate_ratio <- post_data %>%
  summarise(
    total_post = n(),
    反亚裔整体占比 = round(sum(anti_asian)/total_post * 100, 2),
    反黑人整体占比 = round(sum(anti_black)/total_post * 100, 2)
    # 存在其他仇恨类别可按上述格式补充
  )
# 输出第二类结果
View(global_hate_ratio)

注：代码中的fitted_stm_model需替换为你自己拟合完成的STM模型对象名。如果需要按主题概率加权计算占比而非取主导主题统计，只需将每条帖子对应主题的theta值作为权重，乘以对应仇恨标签的0/1值后再分组求和即可。

内容的提问来源于stack exchange，提问作者Reshmi Kumpakha