首页 > 代码库 > Gaussian LDA(1): LDA回想以及变分EM
Gaussian LDA(1): LDA回想以及变分EM
Latent Dirichlet Allocation (LDA)是一个主题模型,可以对文本进行建模。得到文档的主题分布。经常使用的模型參数预计方法有Gibbs Sampling和Variational Inference,网上有许多关于LDA的介绍,最为经典的比如Rickjin的《LDA数学八卦》。本文旨在推导变分EM的所有过程。
转载请注明出处:http://blog.csdn.net/u011414416/article/details/51168242
本文參考了Blei在2003JMLR上发表的LDA论文,Blei文中并没有关于对beta加了先验的情况进行推导。
本文的推导基于smoothed LDA(即对主题-词分布beta也施加了Dirichlet先验eta)。如有错误,欢迎指正。
Gaussian LDA(1): LDA回想以及变分EM
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。