文件名称：autoencoding_vi_for_topic_models:prodLDA和NVLDA的Tensorflow实现
文件大小：2.72MB
文件格式：ZIP
更新时间：2024-06-03 12:00:31
Python
主题模型的自动编码变分推理 更新 Pyro添加了一个prodlDA教程： ://pyro.ai/examples/prodlda.html AVITM现在可在OCTIS中找到，网址为 请考虑使用OCTIS和Pyro版本，因为它们是最新的。 如所指出的，此代码依赖于TF的稍旧版本。 我将尝试尽快对其进行更新，与此同时，如果您更喜欢Keras或PyTorch，则可以查找快速修复以使用较新版本的TF或下面的（3）和（2）。 实施了 prodLDA的版本。 最近实现了版本。 因此，请查看他的存储库。 在两个模型中都添加了topic_prop方法。 Softmax此方法的输出以获取主题比例。 ICLR 2017论文代码：主题模型的自动编码变分推理 > > 这是本文中提到的两个自动编码主题模型的张量流实现。 要在20Newgroup数据集中运行prodLDA模型，请执行20Newg
【文件预览】：
autoencoding_vi_for_topic_models-master
----coherence_from_paper_script()
--------Readme.md(707B)
--------AVTIM_200(44KB)
--------AVTIM_50(12KB)
----models()
--------Readme.md(313B)
--------__init__.py(46B)
--------nvlda.py(6KB)
--------prodlda.py(6KB)
----run.py(7KB)
----LICENSE(1KB)
----README.md(2KB)
----data()
--------Readme.md(109B)
--------20news_clean()
----.gitignore(1KB)
----_config.yml(26B)