我正在使用 R 的 topicmodels 包将一大组短文本（10-75 个单词之间）聚集到主题中。在手动审查了几个模型之后，似乎有 20 个真正稳定的主题。然而，我发现真正奇怪的是它们的大小都大致相同！每个主题捕获大约 5% 的标记和 5% 的文本。在代币方面，最小的主题是 4.5%，最大的 5.5%。

有人可以建议这是否是“正常”行为吗？这是我正在使用的代码：

ldafitted <- LDA(sentences.tm, k = K, method = "Gibbs",
             control = list(alpha = 0.1, # default is 50/k which would be 2.5.  a lower alpha value places more weight on having each document composed of only a few dominant topics
                            delta = 0.1, # default 0.1 is suggested in Griffiths and Steyvers (2004).
                            estimate.beta = TRUE,
                            verbose = 50, # print every 50th draw to screen
                            seed = 5926696,
                            save = 0,    # can save model every xth iteration
                            iter = 5000, 
                            burnin = 500,
                            thin = 5000, #  every thin iteration is returned for iter iterations. Standard is same as iter
                            best = TRUE)) #only the best draw is returned

简而言之：我的问题是，在某些情况下，潜在狄利克雷分配是否合理地将文本聚集在相同大小的主题中？或者如果发生这种情况我应该担心吗？