文件名称：GibbsTopicModels:用于主题模型的Gibbs采样算法
文件大小：2.35MB
文件格式：ZIP
更新时间：2024-06-06 12:15:44
Java
Gibbs主题模型 多种主题模型（例如LDA，AT和coAT）的Gibbs采样算法。 1.简介 1.1。 描述 主题模型是一组生成概率模型，用于从文档集中发现主要主题。 有关更详尽，更详尽的调查，请参考[1]。 主题模型的示例包括潜在Dirichlet分配（LDA）[2] [3] [4]，作者-主题（AT）模型[5] [6] [7]和共同作者-主题（coAT）模型[8 ]，以及许多其他内容。 通常无法精确地进行主题模型的推断。 近年来，出现了各种近似推理算法，例如随机变分推理，均值场变分方法，期望传播和蒙特卡洛马尔可夫链采样（MCMC）。 在此工具箱中，利用了MCMC的特例Gibbs采样，因为它提供了一种简单的方法来获取Dirichlet先验条件下的参数估计，并允许组合来自后验分布的多个局部最大值的估计。 1.2。 新闻，评论和错误报告。 我们非常感谢您的任何建议，评论和错误报告。 1