怎样理解集搜客文本分析工具中LDA分析生成的可视化图

怎样理解集搜客文本分析工具中LDA分析生成的可视化图

在建模完成后，集搜客生成了一个交互式可视化 HTML 页面，用于展示 LDA 主题模型的分析结果。

主要分为两个部分：

1. 左侧散点图（主题分布）
每个点代表一个主题，点的大小和位置有特定含义：
点的大小：表示该主题在所有文档中的占比（覆盖的文档数量）。点越大，说明该主题涵盖的文档越多，即在整个数据集里较常见。 点越小，说明该主题的文档较少，可能是较小众的主题。

点的距离 ：
距离近：表示这些主题内容相似（可能共享很多相同的关键词）。 距离远：表示这些主题内容差异大（主题独立性强）。
如果所有点都紧密分布，说明主题之间可能有较强的相关性；如果点分散，说明主题区分度较高。

2. 右侧条形图（主题关键词）
显示选定主题的高频关键词，用来解释该主题的主要内容。
红色条形：该词在当前主题中的占比（越高，表示该词对该主题贡献大）。蓝色条形：该词在整个数据集中的出现频率（越高，表示它是常见词）。
λ 滑动条的作用：
λ = 1.0（默认）：显示该主题最具代表性的词（主题特有词）。 λ = 0.0：显示该主题的常见词（可能存在噪音）。

示例解读：以上图为例：
1、主题1最大，代表该主题覆盖的数据最多（占据最多文档）。
2、主题1和主题3有重叠，说明它们共享较多的相似词汇，在语义上有较强关联。
3、主题1与主题4距离最远，代表这两个主题在词汇分布上差异较大。
4、选中主题1后，右侧展示的是按贡献度降序排列的前30个关键词： 红色条形：该词在当前主题中的重要性（权重）。 蓝色条形：该词在整个数据集中出现的频率。如果红色部分远大于蓝色，说明该词是该主题的专属词；如果两者接近，说明该词在多个主题中都很常见。
5、由于 λ=1，当前排序是按贡献度排列，而不是区分度，适当调整 λ 可查看更具代表性的关键词，比如0.6~0.8。