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