LDA模型学习（代码）

 为了把LDA算法用于文本聚类，我真的是绞尽脑汁。除了去看让我头大的概率论、随机过程、高数这些基础的数学知识，还到网上找已经实现的源代码。

     最先让我看到署光的是Mallet,我研究了大概一个星期，最后决定放弃了。因为Mallet作者提供的例子实在太少了。

      回到了网上找到的这样一段源代码：

 
 
 

  
/*  
  
 * (C) Copyright 2005, Gregor Heinrich (gregor :: arbylon : net) (This file is  
  
 * part of the org.knowceans experimental software packages.)  
  
 */ 
  
/*  
  
 * LdaGibbsSampler is free software; you can redistribute it and/or modify it  
  
 * under the terms of the GNU General Public License as published by the Free  
  
 * Software Foundation; either version 2 of the License, or (at your option) any  
  
 * later version.  
  
 */ 
  
/*  
  
 * LdaGibbsSampler is distributed in the hope that it will be useful, but  
  
 * WITHOUT ANY WARRANTY; without even the implied warranty of MERCHANTABILITY or  
  
 * FITNESS FOR A PARTICULAR PURPOSE. See the GNU General Public License for more  
  
 * details.  
  
 */ 
  
/*  
  
 * You should have received a copy of the GNU General Public License along with  
  
 * this program; if not, write to the Free Software Foundation, Inc., 59 Temple  
  
 * Place, Suite 330, Boston, MA 02111-1307 USA  
  
 */ 
  
 
  
/*  
  
 * Created on Mar 6, 2005  
  
 */ 
  
package com.xh.lda;  
  
 
  
import java.text.DecimalFormat;  
  
import java.text.NumberFormat;  
  
 
  
/**  
  
 * Gibbs sampler for estimating the best assignments of topics for words and  
  
 * documents in a corpus. The algorithm is introduced in Tom Griffiths' paper  
  
 * "Gibbs sampling in the generative model of Latent Dirichlet Allocation"  
  
 * (2002).  
  
 *   
  
 * @author heinrich  
  
 */ 
  
public class LdaGibbsSampler {  
  
 
  
    /**  
  
     * document data (term lists)  
  
     */ 
  
    int[][] documents;  
  
 
  
    /**  
  
     * vocabulary size  
  
     */ 
  
    int V;  
  
 
  
    /**  
  
     * number of topics  
  
     */ 
  
    int K;  
  
 
  
    /**  
  
     * Dirichlet parameter (document--topic associations)  
  
     */ 
  
    double alpha;  
  
 
  
    /**  
  
     * Dirichlet parameter (topic--term associations)  
  
     */ 
  
    double beta;  
  
 
  
    /**  
  
     * topic assignments for each word.  
  
     */ 
  
    int z[][];  
  
 
  
    /**  
  
     * cwt[i][j] number of instances of word i (term?) assigned to topic j.  
  
     */ 
  
    int[][] nw;  
  
 
  
    /**  
  
     * na[i][j] number of words in document i assigned to topic j.  
  
     */ 
  
    int[][] nd;  
  
 
  
    /**  
  
     * nwsum[j] total number of words assigned to topic j.  
  
     */ 
  
    int[] nwsum;  
  
 
  
    /**  
  
     * nasum[i] total number of words in document i.  
  
     */ 
  
    int[] ndsum;  
  
 
  
    /**  
  
     * cumulative statistics of theta  
  
     */ 
  
    double[][] thetasum;  
  
 
  
    /**  
  
     * cumulative statistics of phi  
  
     */ 
  
    double[][] phisum;  
  
 
  
    /**  
  
     * size of statistics  
  
     */ 
  
    int numstats;  
  
 
  
    /**  
  
     * sampling lag (?)  
  
     */ 
  
    private static int THIN_INTERVAL = 20;  
  
 
  
    /**  
  
     * burn-in period  
  
     */ 
  
    private static