Latent Dirichlet Allocation (LDA)是一个主题模型，可以对文本进行建模。得到文档的主题分布。经常使用的模型參数预计方法有Gibbs Sampling和Variational Inference，网上有许多关于LDA的介绍，最为经典的比如Rickjin的《LDA数学八卦》。本文旨在推导变分EM的所有过程。
转载请注明出处：http://blog.csdn.net/u011414416/article/details/51168242
本文參考了Blei在2003JMLR上发表的LDA论文，Blei文中并没有关于对beta加了先验的情况进行推导。
本文的推导基于smoothed LDA（即对主题-词分布beta也施加了Dirichlet先验eta）。如有错误，欢迎指正。
原文：http://www.cnblogs.com/jzdwajue/p/7220735.html
