Algorithm LDA与主题模型

我已经学习了LDA和主题模型好几个星期了。但是由于我数学能力差，我不能完全理解它的内部算法。我使用了GibbsLDA实现，输入了很多文档，并将主题编号设置为100，我得到了一个名为“final.theta”的文件它存储了每个文档中每个主题的主题比例。这个结果很好，我可以使用主题比例做很多其他事情。 但当我在LDA上尝试Blei的C语言实现时，我只得到了一个名为final.gamma的文件，但我不知道如何将该文件转换为主题比例样式。 有人能帮我吗。 我了解到LDA模型有很多改进版本（如CTM、HLDA），如果我能找到一个类似LDA的主题模型，我的意思是当我输入大量文档时，它可以直接输出文档中的主题比例。

---

多谢各位

我认为Blei实现的问题在于，您正在通过运行：

$lda inf[args…]

当您想进行主题评估时，请使用：

$lda est[参数…]

一旦运行此命令，当前目录或可选的最后一个参数指定的目录中将有一个文件“final.beta”。然后运行tar中包含的python脚本“topics.py”。这里的自述：描述了所有内容，特别是B和D部分

（如果这仍然没有意义，请告诉我）

至于诸如CTM等方面的改进：我对HLDA一无所知，但我在过去使用过LDA和CTM，我可以说两者都不比另一个好——这是一种更好地处理不同数据的情况。CTM假设文档是相关的，并使用该假设来改进结果，只要它是真实的

---

希望这有帮助

要得到E[θ]，只需规范化每行中的gamma。它遵循狄利克莱分布的性质。

+1作为LDA参考-对我来说这是一个新想法。谢谢。谢谢你的帮助，但我想知道的是如何将结果文件转换成主题比例？我的意思是θ，我认为，这个答案是误导性的。OP询问主题比例（每个主题在文档-θ中出现的次数），答案是关于主题（单词分布-beta）。