【主题建模】Gensim 的核心概念

1.Document：文档

在 Gensim 中，文档是文本序列类型的对象（在 Python 3 中通常称为 str）。文档可以是 140 个字符的简短推文、单个段落（即期刊文章摘要）、新闻文章或书籍。

2.Corpus：语料库

语料库是文档对象的集合。语料库在 Gensim 中主要有两个作用：

• 作为训练模型的输入。在训练期间，模型使用这个训练语料库来寻找共同的主题，初始化它们的内部模型参数。
• 组织文件。训练后，主题模型可用于从新文档（训练语料库中未出现的文档）中提取主题。这样的语料库可以为相似性查询建立索引，通过语义相似性查询，聚类等。

text_corpus = [
    "Human machine interface for lab abc computer applications",
    "A survey of user opinion of computer system response time",
    "The EPS user interface manage