Come si inizializza una variabile di gensim corpus con una csr_matrix?

Question

Ho X come csr_matrix che ho ottenuto usando TFIDF vectorizer di scikit, ed y, che è un array

Il mio piano è quello di creare funzioni utilizzando LDA, tuttavia, non sono riuscito a trovare il modo di inizializzare variabili corpus di un gensim con X come csr_matrix. In altre parole, non voglio scaricare un corpus come mostrato nella documentazione di gensim né convertire X in una matrice densa, dal momento che consumerebbe molta memoria e il computer potrebbe bloccarsi.

In breve, le mie domande sono le seguenti,

1. Come si inizializza un corpus gensim dato che ho un csr_matrix (sparse) che rappresenta l'intero corpus?
2. Come utilizzare LDA per estrarre le funzionalità?

Answer 1

Gensim ha una funzione-ben nascosto semi che può tipo di fare questo per voi:

http://radimrehurek.com/gensim/matutils.html#gensim.matutils.Sparse2Corpus

"gensim.matutils.Sparse2Corpus classe (sparse, documents_columns = True) convertire un matrice in formato scipy.sparse in un corpo gensim in streaming. "

Ho avuto qualche successo con esso utilizzando un corpus estratto con CountVectorizer, quindi caricato in gensim.