帮酷LOGO
  • 显示原文与译文双语对照的内容
Tensorflow implementation for prodLDA and NVLDA.

  • 源代码名称:autoencoding_vi_for_topic_models
  • 源代码网址:http://www.github.com/akashgit/autoencoding_vi_for_topic_models
  • autoencoding_vi_for_topic_models源代码文档
  • autoencoding_vi_for_topic_models源代码下载
  • Git URL:
    git://www.github.com/akashgit/autoencoding_vi_for_topic_models.git
  • Git Clone代码到本地:
    git clone http://www.github.com/akashgit/autoencoding_vi_for_topic_models
  • Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/akashgit/autoencoding_vi_for_topic_models
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
  • 基于的主题模型的变

    更新

    就像 @govg 所指出的,这段代码依赖于一个稍老的。 如果你愿意,我将尽快更新它,在这里你可以查找一个快速修复的,或者在下面使用新版本的TF或者( 3 ),如果你愿意使用Keras或者 PyTorch 。

    @nzw0301 已经实现了一个 Keras版本的prodLDA 。

    @hyqneuron 最近实现了一个 PyTorch版本的AVITM 。 所以看看他的repo 。

    topic_prop 方法添加到模型中。 Softmax这个方法的输出以获得主题比例。

    用于 ICLR 2017纸张的代码: Topic Autoencoding主题:Topic/> Arxiv>OpenReview这是本文中提到的Autoencoded主题模型的一个实现。

    要在 20Newgroup 数据集中运行 prodLDA 模型,请执行以下操作:

    CUDA_VISIBLE_DEVICES=0 python run.py -m prodlda -f 100 -s 100 -t 50 -b 200 -r 0.002 -e 200

    类似于 NVLDA:

    CUDA_VISIBLE_DEVICES=0 python run.py -m nvlda -f 100 -s 100 -t 50 -b 200 -r 0.005 -e 300

    检查 run.py 以获得其他选项。




    Copyright © 2011 HelpLib All rights reserved.    知识分享协议 京ICP备05059198号-3  |  如果智培  |  酷兔英语