LDA -Gibbs抽样
2012-04-29 15:29
225 查看
LDA的训练有两种,一个是variational inference,一个是Gibbs抽样。
Dirichlet先验,反映到Gibbs抽样方式的训练过程上,可以认为是给隐含主题和词的同现计数加上一个简单的Laplacian平滑(Laplacian平滑就是把所有值都加上一个比较小的数字然后再重新归一化)。而GibbsSampling有一个问题,就是每次采样都需要更新全局信息,基本没有机会做真正意义上的并行化,只能做一个GibbsSampling的近似。
那么若利用MapReduce实现,怎样的近似方法好呢?
斯坦福的ScalaNLP项目值得一看:
http://nlp.stanford.edu/javanlp/scala/scaladoc/scalanlp/cluster/DistributedGibbsLDA$object.html
另外还有NIPS2007的论文:
Distributed Inference for Latent DirichletAllocation http://books.nips.cc/papers/files/nips20/NIPS2007_0672
ICML2008的论文:
Fully Distributed EM for Very Large Datasetshttp://www.cs.berkeley.edu/~jawolfe/pubs/08-icml-em
Dirichlet先验,反映到Gibbs抽样方式的训练过程上,可以认为是给隐含主题和词的同现计数加上一个简单的Laplacian平滑(Laplacian平滑就是把所有值都加上一个比较小的数字然后再重新归一化)。而GibbsSampling有一个问题,就是每次采样都需要更新全局信息,基本没有机会做真正意义上的并行化,只能做一个GibbsSampling的近似。
那么若利用MapReduce实现,怎样的近似方法好呢?
斯坦福的ScalaNLP项目值得一看:
http://nlp.stanford.edu/javanlp/scala/scaladoc/scalanlp/cluster/DistributedGibbsLDA$object.html
另外还有NIPS2007的论文:
Distributed Inference for Latent DirichletAllocation http://books.nips.cc/papers/files/nips20/NIPS2007_0672
ICML2008的论文:
Fully Distributed EM for Very Large Datasetshttp://www.cs.berkeley.edu/~jawolfe/pubs/08-icml-em
相关文章推荐
- LDA的Gibbs抽样详细推理与理解
- 主题模型 利用gibbslda做数据集主题抽样
- LDA-math-MCMC 和 Gibbs Sampling
- R语言中Gibbs抽样的Bayesian简单线性回归
- LdaGibbsSampler.java lda代码
- LDA Gibbs Sampling 的JAVA实现
- [未读] 概率语言模型及其变形系列(2)-LDA及Gibbs Sampling
- LDA Gibbs Sampling
- 马尔可夫链及吉布斯抽样 入门详解(Markov Chain Monte Carlo and Gibbs Sampling)
- 关于LDA模型中超参数的抽样
- Dirichlet过程混合模型(DPMM)的Gibbs抽样程序
- GibbsLDA++ 使用记录
- [未读] 概率语言模型及其变形系列(5)-LDA Gibbs Sampling 的JAVA实现
- 使用collapsed gibbs sampling对LDA中参数进行估计的推导过程
- Gibbs LDA java实现
- LDA-math-MCMC 和 Gibbs Sampling
- 用GibbsLDA做Topic Modeling
- 文本主题模型之LDA(二) LDA求解之Gibbs采样算法
- LDA gibbs
- 关于LDA的gibbs采样,为什么可以获得正确的样本?