第48期百度技术沙龙上的《大数据场景下主题检索应用》讲座介绍了很多训练大规模主题模型的技术细节。讲座回来后,我粗略整理了下讲座上涉及的主题模型和训练大规模模型相关的资料和文献。
1. 主题模型的发展历史
a. 布尔模型 Boolean model
b. 向量空间模型 VSM (Vector space model)
c. 潜在语义索引 LSI (Latent semantics index) - 首先作为一种降维技术, 对doc-word矩阵进行SVD分解
d. 概率潜在语义分析pLSA
e. LDA(Latent Dirichlet Allocation)
2. 介绍LDA和大规模模型训练的参考文献
a. Introduction to Probabilistic Topic Models (David M. Blei, Princeton University)
b. Gibbs Sampling for the uninitiated (Philip Resnik, Eric Hardisty)
c. Parameter estimation for text analysis (Gregor Heinrich)
d. LDA数学八卦 (rickjin)
e. Distributed Gibbs Sampling of Latent Topic Models: The Gritty Details (Yi Wang)
f. A Practical Algorithm for Topic Modeling with Provable Guarantees
g. A Fast And Scalable Topic model Toolbox
百度技术沙龙 - 大数据场景下主题检索应用,布布扣,bubuko.com