最近想研究下Dynamic Topic Models（DTM），論文看了看，文科生的水平確實是看不懂，那就實驗一下吧，正好Blei的主頁上也提供了相應的C++工具， http://www.cs.princeton.edu/~blei/topicmodeling.html，dtm這個代碼放在google code中，下載需要fq。
下載了之后看了看，C++確實是不懂，但是在github上搜了一遭，也沒找到完美的java版本，所以只能硬着頭皮用C++了。
同時也去網上找找看看有沒有人做過類似的工作，一搜確實是有，但是不多：
1、一哥們的實驗，在linux下，http://www.jgoodwin.net/experimenting-with-dynamic-topic-models/
2、一些人的疑問，有沒有python版本，答案是沒有。http://stackoverflow.com/questions/22469506/are-there-any-efficient-python-libraries-for-dynamic-topic-models-preferably-ex
3、郵件列表 https://lists.cs.princeton.edu/pipermail/topic-models/
看了這么多，也沒看明白是什么意思，還是自己慢慢搞吧。
第1步：安裝系統
下載個centos5.5，這個在readme文件中有說明，作者就是這個版本編譯的，我安裝到了VMware中，當然還有另外的兩個版本可以用。
第2步：編譯文件
這個在readme文件中也有說明，把文件放到相應目錄，make一下就行了。
第3步：作者建議先用他的文件里面帶的一個小例子試驗一下。
在dtm/sample.sh文件中有說明。
（1）輸入文件。
兩個輸入文件是必須的，這些文件在dtm/example文件夾下面可以看到，是test-mult.dat和test-seq.dat。
a：foo-mult.dat ，用來表示文檔和詞的關系
每個文檔一行，每一行形式是： unique_word_count index1:count1 index2:count2 ... indexn:counnt
用中文來說就是：該文章的總詞數（不重復） 詞1編號（用數字表示編號）：詞1頻次 詞2編號：詞2頻次 詞n編號：詞n頻次
例如：11 288:1 1248:1 5:1 1063:2 269:1 654:1 656:2 532:1 373:1 1247:1 543:1
表示這篇一共有11個不重復的詞，第228個詞出現1次，1248個詞出現1次，這些詞是所有文檔中統一編號的。
需要注意的一點是：該文件中文檔是按時間順序排列的，時間最早的在最上面，時間最晚的在最下面。
b：foo-deq.dat ，這文件是用來划分時間窗的。
文件格式如下：
Number_Timestamps（時間窗總數）
number_docs_time_1（第一個時間窗的文檔數，就是從第一個到第幾個文檔划分到第一個時間窗，我們如果按年來划分，就把每年的文檔數寫到這里就行）
...
number_docs_time_i
...
number_docs_time_NumberTimestamps
作者提供的例子，第一行表示分為10個時間窗，第二行表示第一個時間窗有25個文檔。（看樣子估計也是按年划分的）：
10
25
50
75
100
100
100
100
125
150
175
當上面兩個文件搞定后。作者說還有兩個文件雖然不是必須的，但是也是很有用的。
C： 詞典文件
文檔集合中涉及的所有的詞，按照上面的詞的序號排列。
d：文檔信息文件
每行表示一個文檔的基本信息，按照文檔a中的順序排列。
上述文件都可以用text2ldac生成，在https://github.com/JoKnopp/text2ldac下載，用python打開。
使用方法，在命令行中，找到text2ldac.py目錄，運行 python text2ldac.py -o ./out -e txt ./in
out文件夾為輸出文件位置，in文件夾為輸入文件位置。 txt為僅處理txt文件
（2）運行程序
作者在readme文件中說，通過運行./main --help命令可以查看所有選項和解釋，下面是運行該命令后的結果，太多了啊
Flag initialize_lda is of type bool, but its default value is not a boolean. NOTE: This will soon be a compilations error!main: Warning: SetUsageMessage() never called
Flags from ../lib/util/gflags-1.1/src/gflags.cc:
-flagfile (load flags from file) type: string default: ""
-fromenv (set flags from the environment [use 'export FLAGS_flag1=value'])
type: string default: ""
-tryfromenv (set flags from the environment if present) type: string
default: ""
-undefok (comma-separated list of flag names that it is okay to specify on
the command line even if the program does not define a flag with that
name. IMPORTANT: flags in this list that have arguments MUST use the
flag=value format) type: string default: ""
Flags from ../lib/util/gflags-1.1/src/gflags_completions.cc:
-tab_completion_columns (Number of columns to use in output for tab
completion) type: int32 default: 80
-tab_completion_word (If non-empty, HandleCommandLineCompletions() will
hijack the process and attempt to do bash-style command line flag
completion on this value.) type: string default: ""
Flags from ../lib/util/gflags-1.1/src/gflags_reporting.cc:
-help (show help on all flags [tip: all flags can have two dashes])
type: bool default: true
-helpfull (show help on all flags -- same as -help) type: bool
default: false
-helpmatch (show help on modules whose name contains the specified substr)
type: string default: ""
-helpon (show help on the modules named by this flag value) type: string
default: ""
-helppackage (show help on all modules in the main package) type: bool
default: false
-helpshort (show help on only the main module for this program) type: bool
default: false
-helpxml (produce an xml version of help) type: bool default: false
-version (show version and build info and exit) type: bool default: false
Flags from data.c:
-influence_flat_years (How many years is the influence nonzero?If nonpositive, a lognormal distribution is used.)type: int32 default: -1
-influence_mean_years (How many years is the mean number of citations?)
type: double default: 20
-influence_stdev_years (How many years is the stdev number of citations?)
type: double default: 15
-max_number_time_points (Used for the influence window.) type: int32
default: 200
-resolution (The resolution. Used to determine how far out the beta mean should be.)type: double default: 1
-sigma_c (c stdev.) type: double default: 0.050000000000000003
-sigma_cv (Variational c stdev.) type: double
default: 9.9999999999999995e-07
-sigma_d (If true, use the new phi calculation.) type: double
default: 0.050000000000000003
-sigma_l (If true, use the new phi calculation.) type: double
default: 0.050000000000000003
-time_resolution (This is the number of years per time slice.) type: double
default: 0.5
Flags from gsl-wrappers.c:
-rng_seed (Specifies the random seed. If 0, seeds pseudo-randomly.)
type: int64 default: 0
Flags from lda-seq.c:
-fix_topics (Fix a set of this many topics. This amounts to fixing these topics' variance at 1e-10.)type: int32 default: 0
-forward_window (The forward window for deltas. If negative, we use a beta with mean 5.)type: int32 default: 1
-lda_sequence_max_iter (The maximum number of iterations.)type: int32
default: 20
-lda_sequence_min_iter (The maximum number of iterations.)type: int32 default: 1
-normalize_docs (Describes how documents's wordcounts are considered for finding influence. Options are "normalize", "none", "occurrence", "log", or "log_norm".)type: string default: "normalize"
-save_time (Save a specific time. If -1, save all times.)type: int32 default: 2147483647
Flags from lda.c:
-lambda_convergence (Specifies the level of convergence required for lambda in the phi updates.)type: double default: 0.01
Flags from main.c:
-alpha () type: double default: -10
-corpus_prefix (The function to perform. Can be dtm or dim.)type: string default: ""
-end () type: int32 default: -1
-heldout_corpus_prefix () type: string default: ""
-heldout_time (A time up to (but not including) which we wish to train, and at which we wish to test.) type: int32 default: -1
-initialize_lda (If true, initialize the model with lda.) type: bool
default: false
-lda_max_em_iter () type: int32 default: 20
-lda_model_prefix (The name of a fit model to be used for testing likelihood. Appending "info.dat" to this should give the name of the
file.) type: string default: ""
-mode (The function to perform. Can be fit, est, or time.) type: string
default: "fit"
-model (The function to perform. Can be dtm or dim.)type: string default: "dtm"
-ntopics () type: double default: -1
-outname () type: string default: ""
-output_table () type: string default: ""
-params_file (A file containing parameters for this run.) type: string
default: "settings.txt"
-start () type: int32 default: -1
-top_chain_var () type: double default: 0.0050000000000000001
-top_obs_var () type: double default: 0.5
輸入下面的命令（后面的注釋是我自己加的，。如果影響運行請去掉）
./main \ /*main函數*/
--ntopics=20 \ /*每個時間窗生成20個主題*/
--mode=fit \ /*這個應該有dim和fit兩個選項*/
--rng_seed=0 \
--initialize_lda=true \
--corpus_prefix=example/test \
--outname=example/model_run \
--top_chain_var=0.005 \
--alpha=0.01 \
--lda_sequence_min_iter=6 \
--lda_sequence_max_iter=20 \
--lda_max_em_iter=10
（2）輸出結果。 上面文件完成之后，通過運行程序生成下面的文件，並且可以通過R查看結果，我們就可以用這個結果進行分析。
a topic-???-var-e-log-prob.dat:
主要是 e-betas（詞在每個主題內每個時間段的分布），一行是一個詞。
從文件中，我們看以看到每行只有一個數字。
可以在dtm\example\model_run\lda-seq中看到例子，他這個應該是有48240行，應該是有4824個詞，每個時間窗內有4824個詞？？。作者同時給出了在R中查看這些矩陣的方法。比如查看某個詞在某個主題的某一個時間段的概率。
b gam.dat
gammas數據。表示文檔與主題的關聯。