可视化¶
训练过程会自动生成可视化。额外的可视化可以单独创建。
可视化输出¶
topic_words_bars.png 条形图，显示每个主题的前10个词及其概率权重。
topic_similarity.png 热图，显示主题-词分布之间的余弦相似度。
doc_topic_umap.png 文档在主题空间中的UMAP投影。点按主导主题着色。
topic_wordclouds.png 每个主题的词云，大小按词概率缩放。
metrics.png 比较评估指标的条形图。
pyldavis.html 使用pyLDAvis库的交互式可视化。在网页浏览器中打开。
单独生成可视化¶
为THETA模型生成可视化：
cd ./THETA
python -m visualization.run_visualization \
--result_dir ./result/0.6B \
--dataset my_dataset \
--mode zero_shot \
--model_size 0.6B \
--language en \
--dpi 300
为基线模型生成可视化：
python -m visualization.run_visualization \
--baseline \
--result_dir ./result/baseline \
--dataset my_dataset \
--model lda \
--num_topics 20 \
--language en \
--dpi 300
将 lda 替换为 etm、ctm 或 dtm 可用于其他基线模型。
自定义可视化¶
更高分辨率：
python -m visualization.run_visualization \
--result_dir ./result/0.6B \
--dataset my_dataset \
--mode zero_shot \
--model_size 0.6B \
--language en \
--dpi 600
中文可视化：
python -m visualization.run_visualization \
--result_dir ./result/0.6B \
--dataset chinese_dataset \
--mode zero_shot \
--model_size 0.6B \
--language zh \
--dpi 300
中文可视化使用适当的字体并正确处理字符渲染。
训练期间跳过可视化¶
跳过自动可视化以节省时间：
python run_pipeline.py \
--dataset my_dataset \
--models theta \
--model_size 0.6B \
--mode zero_shot \
--num_topics 20 \
--epochs 100 \
--batch_size 64 \
--skip-viz \
--gpu 0 \
--language en
之后可以使用单独的可视化命令生成可视化。