轉自：http://blog.csdn.net/hxxiaopei/article/details/8034308
http://blog.csdn.net/huagong_adu/article/details/7937616
LDA淺析
http://www.slideshare.net/aurora1625/topic-model-lda-and-all-that
LDA漫游指南
http://yuedu.baidu.com/ebook/d0b441a8ccbff121dd36839a?pn=5&pa=44
LDA相關文章
http://blog.csdn.net/pirage/article/details/9467547
http://blog.csdn.net/yangliuy/article/details/8457329
yangliuy實現的代碼
第一篇：PLSA及EM算法
第三篇：LDA變形模型-Twitter LDA，TimeUserLDA，ATM，Labeled-LDA，MaxEnt-LDA等
第四篇：基於變形LDA的paper分類總結（bibliography）
第五篇：LDA Gibbs Sampling 的JAVA實現
DTM（Dynamic Topic Models）進行主題演化實驗
---------------------------------------------------------------------------------------------------------
在自己機器上（ubuntu12.04），運行Blei（http://www.cs.princeton.edu/~blei/topicmodeling.html）的代碼過程中，能正常編譯，
但是運行卻遇到 段錯誤的問題。
在網上找了很多blog和資料都沒有解決
最后決定自己調試錯誤，用了用gdb調試工具，
最后在實驗室羅師兄的幫助下，解決了這個困擾了很久的問題。
main 文件39行：
代碼問題終於得以解決。。。。。。
--------------------------------------------------------------------------------------------------------------------------------------
以下參考自：http://www.cnblogs.com/todoit/p/4057619.html
程序中dtm/sample.sh文件說明
運行例子試驗
（1）輸入文件（如dtm/example文件夾所示）test-mult.dat和test-seq.dat
a：foo-mult.dat，（相當於例子中test-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
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。
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
輸入下面的命令（后面的注釋是自己加的，。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。
由輸入可知：
有4824個單詞的詞典。
有10個時間戳
生成20個主題
a = "topic-002-var-e-log-prob.dat"
b = matrix(a, ncol = 10 byrow=TRUE) 10列，按行排（本例中表示4824行，10列的矩陣）
The probability of term 100 in topic 2 at time 3: exp(b[100,3])
可以在dtm\example\model_run\lda-seq中看到例子，有48240行，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。
http://www.cnblogs.com/todoit/p/3753871.html
《Dynamic Topic Detection and Tracking: A Comparison of HDP, C-Word, and Cocitation Methods》筆記
