使用gibbs采样执行潜在dirichlet分配的python库。
topic-modelling-tools-fast的Python项目详细描述
#主题建模工具 基于gibbs抽样的潜dirichlet分配主题建模。 这个版本的软件包使用GNU科学库来存储随机数 生成，提供比numpy更快的性能。
斯蒂芬·汉森，stephen.hansen@economics.ox.ac.uk 牛津大学经济学副教授
python/cython代码，用于清理文本并通过折叠gibbs采样估计lda，如griffiths和steyvers（2004）所述。
使用此库的教程脚本和笔记本，以及一些 示例数据，可在以下位置找到： https://github.com/sekhansen/text-mining-tutorial
##安装说明
这个版本的包要求gnu科学库（gsl）是 安装。您可以从ftp://ftp.gnu.org/gnu/gsl/或 对于使用自制程序的Mac OSX，可以执行brew安装gsl。如果你有康达， 请安装GSL。
（对于不需要gsl（但速度稍慢）的版本，请签出 此存储库的“master”分支，或pip install topic modeling tools）
如果您已经安装了gsl、python和pip，pip install topic-modeling-tools\u gsl 应该有用。该包依赖于其他一些python库，如 Numpy和NLTK，但这应该由PIP负责。
唯一的另一个要求是，需要构建一个C++编译器来构建这个程序集。 代码。对于MacOSX，您可以下载Xcode命令行工具， 而对于Windows，您可以下载VisualStudioC++编译器。欢迎加入QQ群-->： 979659372
