Как лучше всего сравнить несколько корпусов естественного языка? ⇐ Python

[Anonymous]

Я создавал тематические модели LDA для повествовательных отчетов на естественном языке для исследовательского проекта (используя Gensim с Python). У меня есть несколько небольших корпусов (от 1400 до 200 документов каждый — я знаю, это крошечно!), которые я хотел бы сравнить, но я не знаю, как это сделать, кроме как рассматривать каждую модель LDA (например, с помощью pyLDAviz). . Мое академическое образование не связано с компьютерными науками, и я все еще немного новичок в НЛП.

Каковы хорошие способы сравнения тем между корпусами/тематическими моделями? Например, можно ли оценить, насколько пересекаются две модели LDA? Или есть другие способы оценить сходство тем нескольких корпусов?

Заранее спасибо за помощь!

Подробнее здесь: https://stackoverflow.com/questions/460 ... l-language