有哪些主題模型？

使用sqoop data MySQL導入HDFS，使用mahoutLDAcvb對輸入數據進行聚類，更新數據庫的數據流圖。mahout分析輸入數據格式的矩陣，要聚類的關鍵文本號值文本字向量，Vectorindex字字典號，valueTFIDF值計算相關參數的詳細說明(包括hadoop運行參數)項目的參數設置都與mahout-0.9目錄Examples/bin/cluster-Reuters . sh相同， 即$ scout cvb-I $ { work _ dir }/$ { rowid _ Matrix _ dir }/Matrix-o $ { work _ dir }/$ { LDA _ dir }-k 2 0-ow-x 2 0-dict $ { work _ dir }/$ { dictionary _ files }-dt $ { work _ dir }/$ { LDA _ topics _ dir }-mt $ { $ { LDA _ model _ dir }輸入-輸入數據hdfs路徑，/home/Hadoop-user/scout _ workspace/scout/dataset/Reuters-out-Matrix /home/Hadoop-user/scout _ workspace/scout/dataset/Reuters-LDA-topics mt-Model path，/home/Hadoop-user/scout _ workspace/scout/dataset/Reuters-LDA-debug k-要學習的主題數，設置20x-模型叠代次數，需要叠代的模型較少。默認值是20種子-隨機種子。初始readModel，默認值system . nano time()%-0000 dict-dictionary路徑，/home/Hadoop-user/scout _ workspace/scout/dataset/Reuters-out-seqdir-sparse-LDA/dictionary . file-* a-對文檔/主題分布進行平滑，文檔/主題fabric平滑系數，默認壹個。主題/$ TERM分布的四個e平滑，主題/$ TERM織物平滑系數，缺省值。0E-四關於ae，根據描述，ae適當取為k/50(k話題數)，中國頁保留了對mahout ldatopics命令的介紹，mahout 0。0，0.9沒有這個命令，應該是比較老的了。根據cluster-reuters.sh的設置，采用默認值mipd參數不重要。每個文檔程序使用RandomSeed初始readModel來執行MIPD叠代計算。最終模型被更新。選擇缺省值-0 LDA計算程序來分析流量。1.分析參數和配置設置。2.閱讀模型(第壹次運行未完成)。hfds表面已經用模型程序讀取了模型，並且該模型已經被用作初始readModel以繼續計算叠代，這類似於斷電重啟機制。3.運行計算叠代(Mapper process)LDA模型過程的復雜階段可能會讓我明白我會盡力解釋。首先分析映射器，即CachingCVB0Mapper。顧名思義，它可以緩存Mapper來表達它的readModel。如果在所選的表面目錄中存儲了任何模型，它將使用RandomSeed初始化readModel，否則它將讀取近模型程序模型，用ModelTrainer對readModelwriteModel進行定界並調度和管理。r整個地圖中顯示的飛機整體框架(清晰地圖見附件)，mahout程序使用CVB0算法計算LDA模型。Map過程引出向量docTopic矩陣docTopicModel，叠代求解計算每個docTopicModel，doc topic model矩陣在更新寫入階段進行向量加法運算，最後在完成整個map過程後清理topicind。ex as key matrix docTopicModel as value write reduce這個過程涉及到CVB0的計算和分析圖(清晰示意圖見附件)。4.通過LDA模型導出話題概率分布，總結計算本質面的bayes公式，將EM計算與E過程相結合。首先假設均勻分布並歸壹化話題概率分布向量docTopics，用此值通過貝葉斯公式計算出詞-話題概率分布矩陣docTopicModel(見CVB0分析圖步驟)。m-程序CVB0的計算和分析按照docTopicModel圖2，3，4，5的步驟重新計算新的docTopics。反復重復E-M過程。n收斂docTopicsdocTopicModel。它的docTopicModel用於更新lda模型。我的聚類需要主題概率分布向量計算。有幾個問題沒有解決。1.mahout根據表面計算docTopicModel double ter。mTopicLikelihood =(topictermrow . get(termIndex)+eta)*(topicWeight+alpha)/(topic sum+eta * numTerms)；問題:這個公式給貝葉斯公式增加了多少個平滑系數？平滑系數etaalpha代表哪本書或論文？兩個系數怎麽選？2.CVB0計算分析圖第二步是國產化的理論基礎。3.更新writeModel過程是以topicTermCounts計算的，也就是說每個map都需要P (topic | $ TERM)我沒有完全了解項目運行環境Hadoop-I . 2.1 sqoop-I . 4.4 mahout-0.9環境的安裝部署請參考相關文章，補充細節。三個軟件部署在本地/Home/Hadoop-User/MAHOUT _ Workspace/Directory，寫scout項目部署/Home/Hadoop-User/Scout _ Workspace/Directory項目代碼項目代碼已加載有Github的興趣。重點放在bin目錄腳本文件和驅動、導出、分析器等幾個java文件包。整個項目架構分析項目的初始數據保存在MySQL中。計算分析需要map/reduce程序和hdfs文件系統的參與，結果更新到MySQL和全流程圖office。