BitermTopicModel
CSE291G的BTM实施
该存储库包含Biterm主题模型的第一近似值,可用于有效地对短文档进行建模。
Biterm主题模型假设整个语料库中只有一个主题分布,而LDA则假设每个文档都有唯一的主题分布。 另一个区别是,Biterm主题模型试图为成对出现的单词(称为Biterm)而不是单个单词建模。
参数估计是使用折叠的Gibbs采样完成的。 Gibbs采样是一种简单且广泛适用的马尔可夫链蒙特卡洛算法。
该代码在基本的Python 3.6中实现,没有外部包。
所有代码都包含在BTM.ipynb笔记本中。
我将在本周更新文档。
数据
数据必须存储在Data /文件夹中。 当前,sample_data作为占位符存在。 必须对数据进行预处理,每一行代表一个文档,文档中的每个术语用空格分隔。
输出
'model-final-theta.txt'Doc
1