質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.04%

cannot compute lda over an empty collection (no terms)

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,400

grx72expo

score 13

LDAを実行したいのですが
以下のエラーが表示されます。何が原因か教えてください。
イメージ説明

やりたいことのイメージとしては、フォルダの各テキストファイルのトピックを知りたいといった感じです。

ソースコードは以下の通りです(LDA.py)。

import os
import codecs as cd
import gensim
from janome.tokenizer import Tokenizer
from gensim import corpora, models, similarities

folder = 'aaa'
filenames = os.listdir(folder)
for filename in filenames :
    datafile = open(folder+'/'+filename, encoding='utf-8')
    lines = datafile.readlines()

t = Tokenizer()
wvs = []

for i, line in enumerate(lines):
    word_vector = []


    if len(line)<30:
        continue
    else:
        tokens = t.tokenize(line)

    for token in tokens:
        if token.part_of_speech[:2] == '名詞':
            word_vector += [token.base_form]


    wvs += [word_vector]

dictionary = corpora.Dictionary(wvs)
dictionary.filter_extremes(no_below=2, no_above=0.3)
dictionary.save_as_text('dict.txt')


corpus = [dictionary.doc2bow(text) for text in wvs]
corpora.MmCorpus.serialize('cop.mm', corpus)


dictionary = gensim.corpora.Dictionary.load_from_text('dict.txt')
corpus = corpora.MmCorpus('cop.mm')


topic_N = 20
lda = gensim.models.ldamodel.LdaModel(corpus=corpus, num_topics=topic_N, id2word=dictionary)

for i in range(topic_N):
    print('TOPIC:', i, '__', lda.print_topic(i))

環境はwindows10,ubuntu16.04です。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • mkgrei

    2018/02/01 13:17

    エラーメッセージの全文を貼り付けていただけませんか。どこでエラーが起きているのか人で確かめるのは大変です。またコードを```で囲んでください。インデントが崩れて読めません。

    キャンセル

回答 1

checkベストアンサー

0

corpus = corpora.MmCorpus('cop.mm')

topic_N = 20
lda = gensim.models.ldamodel.LdaModel(corpus=corpus, num_topics=topic_N, id2word=dictionary)

理由はわかるのですが、データが無いので修正の仕方はわかりません。
上記のコードのところでcorpusが空だと、エラーが再現できます。


追記

import os
import codecs as cd
import gensim
from janome.tokenizer import Tokenizer
from gensim import corpora, models, similarities

folder = 'aaa'
filenames = os.listdir(folder)
lines = []
for filename in filenames :
    with open(folder+'/'+filename, encoding='utf-8') as datafile:
        lines += datafile.readlines()

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/02/02 19:21

    すみません。テキストファイルを1文ごとに改行したら実行できました。

    キャンセル

  • 2018/02/02 19:47

    何度もすみません。できたと思ったのですが、今度はフォルダ内の最後のファイルしか実行されていませんでした。

    キャンセル

  • 2018/02/02 20:20

    追記しました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.04%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る