【LDA】动手实现LDA

这段时间对LDA比较感兴趣，尝试在工作中使用它。平时做想法的快速验证，都用的是“GibbsLDA++-0.2”，一个c实现版本的LDA。这两天用c++ stl自己写了一个单机版的LDA，初衷如下：

1. “GibbsLDA++-0.2”虽说号称是最popular的LDA工具包，不过依然有明显的bug，参考“【LDA】修正 GibbsLDA++-0.2 中的两个内存问题”。

2. “GibbsLDA++-0.2”基本上使用纯c写的，变量命名采用数学符号，而不是很直观的描述型符号，不容易看懂。甚至在工作中，训练出结果之后，我总要对照着它的说明文件，才能反应过来每个结果文件都对应着什么。

3. “GibbsLDA++-0.2”将词表的提取和模型本身的训练放到一起了。这对于小规模的训练还可以，扫描一遍训练集就把此标题取出来、然后在内存里继续训练。不过对于稍大一点儿的规模，每次训练都抽取一遍词表是很傻的事情，而且很多问题中，训练集不见得能够涵盖词表中的所有词......总之，我把他们分开了。要有一个预处理过程（我没写）先从训练集合中抽取词表，然后和训练样本一起输入到模型当中，参与训练。

4. “GibbsLDA++-0.2”的无关代码太多了，如：解析命令行的代码、等等。实际上，比起命令行这种方式，我更愿意直接使用源代码。

5. 最重要一点原因，其实我是手痒痒了。

代码放到git上面了：https://github.com/henryxiao1997/LDACplus/

完。