Scala Spark LDA-一致主题分布

我正在使用Spark的LDA实现，如示例代码所示。我想为我的培训数据获得一致的主题/主题分布。我在两台机器上训练，希望输出相同

我知道LDA使用随机组件进行训练/推理，本文对此进行了解释。在python gensim中，似乎可以通过手动设置种子值来获得一致的结果。我曾在Spark中尝试过，但在我输出的主题分布中仍然有轻微的差异

ldaParams: LDA = new LDA().setK(10).setMaxIterations(60).setSeed(10L)
val distributedLDAModel: DistributedLDAModel = ldaParams.run(corpusInfo.docTermVectors).asInstanceOf[DistributedLDAModel]
val topicDistributions: Map[Long,Vector] = distributedLDAModel.topicDistributions.collect.toMap //produces different results on each run

---

有什么方法可以让我的培训数据集中的主题分布保持一致吗？

你说的“轻微”是什么意思？你能给出估计的数量级吗？我可以试着得到一个估计，但这有什么关系？我在寻找一致的结果。这是可能的吗？好吧，这很重要，因为我们使用的是一个丑陋的叫做FP算术的东西，我们期望的关联和交换的运算是不可能的。由于Spark中的每一次洗牌都引入了非确定性的来源，因此，即使RNG序列是确定性的，也不能保证每次运行都会得到完全相同的结果。