1. 下载GibbsLDA++0.2

2. 把下载的文件放到一个文件夹。对于没接触过Linux的同学来说，你可以放到，比如说/home/user(你的用户名)下面。

 3. 解压缩及安装。在Terminal里面输入

    $ cd /home/user

    进入刚刚下载的文件所在的目录,然后解压缩，输入

    $ gunzip GibbsLDA++-0.2.tar.gz（这个gunzip后面是你刚下载的文件的文件名，我下的是    

     (GibbsLDA++-0.2）

    $ tar -xf GibbsLDA++-0.2.tar

    解压成功，如图所示：

    然后进到你刚解压出来的那个文件夹（假设你现在还是在/home/user/下面）。输入

    $ cd \GibbsLDA++-0.2

    现在，你已经在/home/user/LDA/GibbsLDA++-0.2/ 这个文件夹下面了已然后安装GibsLDA。输入

    $ make clean

    $ make all

    到目前为止，你已经大功告成了。安装完成。

    4. 准备你要让计算机去做Topic Modeling的文件。在C++的环境里，Topic Modeling需要这样的一个文

       件。文件格式是dat。这是最原始的txt文件。你也可以用任何软件存成txt文件之后，直接把后缀改

       成dat就行。比如，你的文件包含1，000篇文章。那你的文件就是这样的

      第1行是你总共的文章篇数，在我们的例子里面是1000

      第2行到第1001行就是你的那些文章，每篇文章占一行。对于英文来说，每个词之间已经用空格分开

      了，但是中文不行，所以你要先对文章进行切词。切词这事儿，就不归我这篇小臭长文管了。

    5.运行GibbsLDA++，得到你要的结果。

      将你要跑的文件，比如就叫test.dat吧。将文件放到/home/user/LDA/ 下面，也就是/home/user/LDA/test.dat

      然后进入到你装了GibbsLDA++的文件夹，也就是/home/user/LDA/GibbsLDA++-0.2/，然后运行指令。

      其实就是在Terminal里面输入

      $ cd /home/user/LDA/GibbsLDA++-0.2/    

$ lda -est [-alpha <double>] [-beta <double>] [-ntopics <int>] [-niters <int>] [-savestep <int>] [-twords <int>] -dfile <string>

上个语句里面其实是GibbsLDA进行估算的各种参数设计，你实际输入的指令可能是：

$ src/lda -est -alpha 0.5 -beta 0.1 -ntopics 100 -niters 1000 -savestep 100 -twords 20 -dfile /home/huahua/LDA/test.dat

这意思是，参数alpha是0.5（这个可以先不管），参数beta是0.1（这个也可以先不管），产生100个topic，运算迭代1000次，每迭代100次之后的结果都保存出来，每个topic包含20个词，要运算的文件是/home/huahua/LDA/test.dat

  6. 看结果。

   如果你顺利走到这一步，就去看结果吧。结果文件存在你的测试文件所在的目录。在这个案例中，就是/home/huahua/LDA/ 下面。

会产生类似这样的文件，不同的后缀表示不同的结果。所有这些文件都可以用记事本打开。newdocs.dat.others
newdocs.dat.phi
newdocs.dat.tassign
newdocs.dat.theta
newdocs.dat.twords

其中最直接的是.twords文件。这个文件里面就是你要的n个topic，以及每个topic下面包含的具体的字词。

.others里面是各种你设置的参数

.theta里面是每篇文章对应你设置的n个topic的“因子载荷”（factor loading）

.phi里面是每个topic对应每篇文章的“因子载荷”（factor loading）

.theta 和 .phi 里面的数据其实是一回事，互为转置罢（transpose）了。

在操作过程中可能会碰到的问题：

解决方案

参考链接：GibbsLDA做Topic Modeling

        GibbsLDA++ 使用记录