参考论文
Modeling documents with topics
Modeling authors with words
The author-topic model
Gibbs sampling algorithms详细
- 经典LDA模型目标分布及参数
- Author Model目标分布及参数
- Author-topic model目标分布及参数

本文作者：合肥工业大学管理学院钱洋 email：1563178220@qq.com 由于初学LDA，内容可能有不到之处，欢迎交流。
该文的另一个地址：http://www.datalearner.com/blog/1051484278666593
由于敲公式太麻烦了，还是直接上图吧。

参考论文

本博客参考的论文是：

Rosen-Zvi M, Griffiths T, Steyvers M, et al. The author-topic model for authors and documents[C]//Proceedings of the 20th conference on Uncertainty in artificial intelligence. AUAI Press, 2004: 487-494.

Modeling documents with topics

Modeling authors with words

The author-topic model

Gibbs sampling algorithms【详细】

LDA的一些求解方法包括：

A variety of algorithms have been used to estimate the parameters of topic models, from basice expectation maximization (EM; Hofmann, 1999), to approximate inference methods like variational EM (Blei et al.,2003), expectation propagation (Minka & Lafferty,2002), and Gibbs sampling (Griffiths & Steyvers,2004).

经典LDA模型目标分布及参数

由于前面已经写过一篇想写的LDA推理的文章了，这里就不过多推理了。直接上图。

Author Model目标分布及参数

如下图所示，为其模型：

Author-topic model目标分布及参数

如下图所示，为模型的概率图表示：

Author Topic Model[ATM理解及公式推导]相关推荐

Focal Loss 论文理解及公式推导
原文:Focal Loss 论文理解及公式推导 - AIUAI 题目: Focal Loss for Dense Object Detection - ICCV2017 作者: Tsung-Yi, L ...
Correlated Topic model 的Gibbs sampling
原文来自师兄的博客:http://blog.csdn.net/wjj5881005/article/details/53320577 关于经典LDA的theta Correlated Topic Mo ...
Biterm Topic Model（BTM）的python 实现
前言最近在看话题模型相关的论文.有关话题模型现在比较主流的解决方法有LDA,PLSA以及mixture of unigrams,本人研究了LDA(Latent Dirichlet Allocatio ...
【论文笔记8】Tree-Structured Neural Topic Model (分层神经主题模型 / TSNTM)
Tree-Structured Neural Topic Model 树结构的神经主题模型论文概述题目:Tree-Structured Neural Topic Model 作者:Masaru I ...
【带你玩转主题模型Topic Model】—— 之利用sklearn 实现Latetnt Dirichlet Allocation(LDA)主题模型
写在前面的话 9月份的第一篇blog, 正好是开学季,作为一个学生,hahahha, 我还是正正经经的贡献一篇认为比较干货的文章给大家吧. 我自己是花了很多时间去看懂LDA的算法了,当然了这篇文章不涉 ...
双稀疏主题模型(Dual-Sparse Topic Model)编程实现中的细节 Java
本文作者:合肥工业大学电子商务研究所钱洋 email:1563178220@qq.com . 内容可能有不到之处,欢迎交流. 未经本人允许禁止转载. 文章目录论文来源相关介绍单稀疏模型双稀 ...
2018 A Sparse Topic Model for Extracting Aspect-Specific Summaries from Online Reviews 稀疏主题模型学习笔记
论文来源文章介绍模型及推理关于源码论文来源 Rakesh V, Ding W, Ahuja A, et al. A Sparse Topic Model for Extracting Aspe ...
Topic model相关文章总结
基础类主题模型 Hofmann T. Probabilistic latent semantic indexing[C]//Proceedings of the 22nd annual interna ...
LDA︱基于LDA的Topic Model变形+一些NLP开源项目
一.LDA的变形转载于:转:基于LDA的Topic Model变形 Topic Model最适合的变种是加入先验信息: 我相信题主使用的是完全无监督的Topic Model,然而这实在是过于不wor ...

Author Topic Model[ATM理解及公式推导]