该项目的目的是从历史报纸中提取主题。 阅读历史报纸以研究历史是困难的，因为其庞大的数量证明对人类读者构成挑战。 机器学习算法可以从这些报纸自动生成主题，并可以节省大量时间。 结果保存在top_words文件夹中。 这是每个Python脚本的简短描述。 corpus.py： 用于使用拼写检查，词干分析和频次上限来预处理原始数据。 然后保存将语料库转换为文档词矩阵。 输出保存在“ vocabulary_files”文件夹中。 train.py [取决于k_means.py，pLSA.py和l