Gensim中的主题模型包括三种，分别是LDA (Latent Dirichlet Allocation) 主题模型、加入了作者因素的作者主题模型 (Author-Topic Model, ATM) 和加入了时间因素的动态主题模型 (Dynamic Topic Models, DTM) 。
作者主题模型（ATM）的输入除了分词后的文章内容，还包括作者和文章的对应关系；模型的输出为每位作者对于每个主题（主题数n可以自己设定）的倾向度。
LDA主题模型在许多研究中都已广泛应用，在网上也有相当多的程序资料，但ATM模型的相关代码资料却不甚完整，在前段时间比赛查找资料的过程中也遇到了一些困扰，后来看了英文的官方文档才得以解决。因此本文介绍Gensim包中ATM模型完整实现的过程，完整代码附在最后。
目录
Author Topic Model解析_chinaliping的博客-CSDN博客
https://blog.csdn.net/chinaliping/article/details/9299953
from gensim.corpora import Dictionary
from gensim.models import AuthorTopicModelATM模型需要的数据主要包括：
# 这里是使用pandas的DataFrame来读取csv表格中的数据，其中包含分词、作者等信息。
import pandas as pd
df = pd.read_csv('data.csv')
# 数据中的“分词”列是用空格分隔的词语，如果数据没有分词，还需要使用jieba等分词工具进行分词
df['分词'] = df['分词'].map(lambda x: x.split()) # 用split还原成列表
data = df['分词'].values.tolist() # 每篇文章的分词列表，每个内层列表包含一篇文章的内容
# 示例：[['我', '喜欢', '猫'], ['他', '喜欢', '狗'], ['我们', '喜欢', '动物']]
author = df['作者'].values.tolist() # 每篇文章的作者列表
# 示例：['作者1', '作者2', '作者1']
# 将作者和文章的对应关系转换为模型需要的格式
author2doc = {}
for idx, au in enumerate(author):
if au in author2doc.keys():
author2doc[au].append(idx)
else:
author2doc[au] = [idx]
# 转换后示例：{'作者1': [0, 2], '作者2': [1]}这里采用的是词袋模型，将每一篇文章转换为BOW (Bag of words) 向量，可以用filter_n_most_frequent()过滤高频词。
dictionary = Dictionary(data)
dictionary.filter_n_most_frequent(50) # 过滤最高频的50个词
corpus = [dictionary.doc2bow(text) for text in data]训练ATM模型，如果数据量较大可能需要比较久的时间，其中num_topics参数可以设定目标的主题个数，这里为10。
atm = AuthorTopicModel(corpus, num_topics=10, author2doc=author2doc, id2word=dictionary)获取每个主题的主题词及其权重，其中num_words参数可以控制每个主题输出的主题词数量。
atm.print_topics(num_words=20)获取某位作者的主题分布
atm.get_author_topics('作者1')每位作者的主题分布
author_topics = {au: atm.get_author_topics(au) for au in set(author)}保存模型训练结果，需要注意的是模型文件不止一个，载入时也需要保持完整，不可删除。
atm.save('atm.model')载入模型
atm = AuthorTopicModel.load('atm.model')from gensim.corpora import Dictionary
from gensim.models import AuthorTopicModel
import pandas as pd
df = pd.read_csv('data.csv')
# 数据中的“分词”列是用空格分隔的词语，如果数据没有分词，还需要使用jieba等分词工具进行分词
df['分词'] = df['分词'].map(lambda x: x.split()) # 用split还原成列表
data = df['分词'].values.tolist() # 每篇文章的分词列表
author = df['作者'].values.tolist() # 每篇文章的作者列表
# 将作者和文章的对应关系转换为模型需要的格式
author2doc = {}
for idx, au in enumerate(author):
if au in author2doc.keys():
author2doc[au].append(idx)
else:
author2doc[au] = [idx]
# 文本向量化
dictionary = Dictionary(data)
dictionary.filter_n_most_frequent(50) # 过滤最高频的50个词
corpus = [dictionary.doc2bow(text) for text in data]
atm = AuthorTopicModel(corpus, num_topics=10, author2doc=author2doc, id2word=dictionary)
atm.print_topics(num_words=20) # 打印每个主题前20个主题词
author_topics = {au: atm.get_author_topics(au) for au in set(author)} # 作者主题分布
atm.save('atm.model') # 保存模型