分布式潜在狄利克雷分配研究综述

摘要

作为主题模型中最重要的机器学习模型,潜在狄利克雷分配问题在包括自然语言处理和信息检索等各领域展现出不可替代的地位.求解潜在狄利克雷分配问题主要采用变分推断和马尔科夫链蒙特卡洛两类算法.目前,数据的增长速度早已远超硬件能力的增长速度,因此在大数据时代,分布式平台的使用成为大数据训练的主流解决方案.利用分布式系统加速对潜在狄利克雷的训练和推断,成为相关研究领域的热门问题.本文对分布式潜在狄利克雷分配算法的相关工作进行分类整理和评估,对未来该领域的研究方向具有引导作用.