LDA主题模型

调用

训练

./lda.py --train training_docs.txt --model model.txt --result training_result.txt

预测

./lda.py --predict test_docs.txt --model model.txt --result test_result.txt

其它主要参数：

• -K : 设置主题个数
• --alpha : 设置先验alpha
• --beta : 设置先验beta
• --burnin : Gibbs采样burn-in过程迭代次数（收敛用，不统计）
• --iteration : Gibbs采样burn-in过程之后的采样过程迭代次数
• --n_stops : 去掉的高频停用词个数
• --n_words : 进行Gibbs采样的次高频词个数

文件格式

训练、预测文件：每行为一个文本，文本中的词用空格隔开。

模型文件：第一行为模型的 alpha 和 beta ，余下的行每行三个值 topic word freq 为主题 topic 下词 word 的权重。

结果文件：每行一个文本，每一项用空格隔开。前`K`项为文本主题分布，后面的项为每个词及其对应的主题。