原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
大数据场景下的主题检索方法概述
;? Topic Model在企业的实际场景中如果遇到亿级数 据该如何处理？如何利用有限的计算集群资源处理 超大的文集，我们将围绕这一难题向大家介绍LDA
主题模型训练系统以及它在线上预测时需要面对的
问题和解决办法。
? PLSI：潜在语义检索
? LDA：Latent Dirichlet Allocation
? MPI：基于消息通讯的分布式计算平台
? Perplexity：混杂度，常用于度量主题模型训练的
效果
? 双工通信：同时收取和发送数据;? 主题检索模型理论基础
? 大数据场景下的挑战
? 构建一个高效的训练系统
? 模型在商业广告检索中的应用;LDA的提出;;;;;;LDA模型简介 （con’ d);;;;;;;;;;;;;;;? 我们面临的数据集，一亿篇doc，词表一百万;;? 我们发现n(w|z)参数矩阵是稀疏的，其非0元素占
比远低于1%
? 数据结构上使用压缩一维数组Judy judy.sourceforge.net
? 细心的拆解迭代公式可以显著缩小计算量
? Sampling中按照指定分布抽取新的topic是性能的 热点，这个地方可以做出十倍以上的加速度;;;? 主要通讯的就是n(w|z)这个矩阵
? 可以根据局部的文集词表对其进行分布式存储
? 分两次完成通讯：第一次传元数据；第二次传更新 量
? 分部成环，全双工通信，提高一倍的传输效率;;;;;;;;
文档评论（0）