学习使用Windows Live Writer

基本思想：

1.时间片切分
    两种方法：
纯粹时间切分
按照大小切分，考虑计算情况

2.LDA演化模型
    本文用前一时间片的后验概率影响下一时间片的先验概率来保持主题间的连续性。
对影响程度的度量用遗传度W来进行设置。具体为前一时间片计算出的主题-词的后验概率
at-1乘上遗传度W 作为当前时间片的先验概率at，即
           at =at-1*W。
直观的解释就是把当前时间片得出的主题-词概率分布的偏好带到下一个时间片，建立在线LDA 主题演化挖掘模型。
图片如下：

LDA演化模型





3.遗传度W定义





   Token表示文档集中的词数，注意是标量。这种以词汇数量作为遗传度是否合理？更应该考虑词汇语义的遗传。对用户设定的权重α 值结合当前和前一时间片的词数进行变换的目的是为了避免语料的突变带来的效果的突变，这也算作一种数据平滑技术。

4.Gibbs抽样

    在线LDA演化模型主要是计算主题-词分别p(w|z)，文档-主题分布p(w|d)。考虑到词汇对于主题的后验概率P(z|w),利用抽样间接求得两个分布的值。参数情况如下：



图中含义不是很懂？这里的β 可以理解为在见到语料库的任何词汇之前，从主题抽样获得的词汇出现频数。α 可以解释为在见到任何文档中的词之前，主题被抽样的频数。尽管α 和β 的初值会影响到主题及词汇的被利用程度，但不同的主题和词汇被利用的方式几乎没有变化，可以使用对称的Dirichlet 分布。公式如下（好复杂），具体算法参考崔凯的论文：





5.主题强度
    主题强度定义为文档在该主题的概率值