Author Topic Model[ATM理解及公式推导]

3,945 阅读

原文地址:http://blog.csdn.net/qy20115549/article/details/54407099

由于初学LDA,内容可能有不到之处,欢迎交流。

由于敲公式太麻烦了,还是直接上图吧。

#参考论文 本博客参考的论文是:

Rosen-Zvi M, Griffiths T, Steyvers M, et al. The author-topic model for authors and documents[C]//Proceedings of the 20th conference on Uncertainty in artificial intelligence. AUAI Press, 2004: 487-494.

#Modeling documents with topics

这里写图片描述
这里写图片描述

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

#Modeling authors with words

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

#The author-topic model

这里写图片描述
这里写图片描述

这里写图片描述
这里写图片描述

#Gibbs sampling algorithms【详细】

LDA的一些求解方法包括

A variety of algorithms have been used to estimate the parameters of topic models, from basice expectation maximization (EM; Hofmann, 1999), to approximate inference methods like variational EM (Blei et al.,2003), expectation propagation (Minka & Lafferty,2002), and Gibbs sampling (Griffiths & Steyvers,2004).

##经典LDA模型目标分布及参数

由于前面已经写过一篇想写的LDA推理的文章了,这里就不过多推理了。直接上图。

这里写图片描述
这里写图片描述

##Author Model目标分布及参数

如下图所示,为其模型:

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

##Author-topic model目标分布及参数 如下图所示,为模型的概率图表示:

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

DataLearner 官方微信

欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送

DataLearner 官方微信二维码