在VS2010中应用LDA(C)源码

网上LDA源码很多,但是想要跑起来,确实是需要些语言功底的。于是本文从不熟练者角度介绍了让LDA源码跑起来的步骤,LDA源码使用的是Zhou Li的,其针对LDA写的学习文章和代码均可以在http://code.google.com/p/lsa-lda/downloads/list下载得到。我使用的是2009年10月的最新版本ldaviagibbs.zip,但代码中还是有些bug的地方需要更正。

一、前提

下载源码ldaviagibbs.zip和测试数据model.zip,解压。

二、测试

1、新建空的控制台应用程序LDAtest,将源码内document.h document.cc file_access.h file_access.cc lda.h lda.cc拷贝到工程文件夹下,将model.zip内的ap.dat拷贝到工程文件夹下。

PS:如果不希望程序等会运行半天才停下来,请打开ap.dat,只保留前50行左右,其他的测试数据都删掉。

2、在工程中引入头文件和源码文件

3、添加调试参数:在项目属性的“调试”属性中,设置“命令参数”为“2 50 ap.dat ap”,分别表示“ topic_num sample_num data model_name”。

4、修正代码。

打开file_access.cc,在15行之后加入cps->docs = NULL;即

13 ifstream infile(corpus_name);
14 string line;
15 corpus* cps = (corpus*)malloc(sizeof(struct corpus));
16 cps->docs = NULL; //如果不加后面realloc的时候会bug

 打开lda.cc,将11行改为

11 #include <time.h>

 将158行改为

158 double temp = ((double)rand() / RAND_MAX) * p[topic_num - 1];
159 double rand = temp;//貌似是变量名的问题,不这么转一下它不给过

在167行后面加上

168 if(sample_topic == topic_num) sample_topic--; //如果相等就数组访问越界了

将291行改为

srand(time(0));

因为VS2010里面的srandom名字改了

将299行改为

299 param->z[d][word_index] = (int)(((double)rand() / RAND_MAX) * (topic_num - 0.00000001)); //确保上界不为topic_num,否则后面的数组调用会越界

5、按下F5调试运行工程,应该能看到效果了。结果文件保存在工程目录下,可以用记事本打开(建议装个UltraEdit,程序员必备)

 三、在C++工程中应用LDA

1、参照在VS2010中应用SIFT(C)源码一文中该部分,新建文件夹lda,并拷贝源码文件到lda文件夹中。在VS2010工程中新建lda“筛选器”并引入lda源文件:

2、在需要使用lda方法的地方添加对应头文件:

#include "..\lda\lda.h"
#include "..\lda\document.h"
#include "..\lda\file_access.h"

3、取消.cc文件的预编译。

4、修改代码:打开lda.h,在19行后面添加init_param的声明即改为

19 void average_param(struct est_param *param, struct corpus* cps,int topic_num,double alpha,double beta, int sample_num);
20 void init_param(struct corpus *cps, struct est_param* param,int topic_num);
21 #endif

5、综上,你应该可以直接使用lda相关函数了,参照lda.cc中main函数的写法。

posted @ 2012-04-28 18:44 FreedomShe 阅读(...) 评论(...) 编辑 收藏