如果您使用 R，Carson Sievert 的关于使用 LDA 对电影评论中的主题建模的教程是一个很好的起点：

http://cpsievert.github.io/LDAvis/reviews/reviews.html

本教程使用 LDAvis，这是一种可以真正帮助直觉的主题和单词分布的交互式可视化。

此外，虽然不短，但 David M. Blei 关于主题模型的讲座对于理解参数背后的含义是一个很好的资源：http: //videolectures.net/mlss09uk_blei_tm/

我强烈推荐本教程：主题建模和 MALLET 入门

这里有一些额外的链接可以帮助您开始...

好的介绍材料（包括研究论文的链接）：http ://www.cs.princeton.edu/~blei/topicmodeling.html

软件：

• 木槌（Java）： http: //mallet.cs.umass.edu/topics.php
  • 主题建模开发者指南： http: //mallet.cs.umass.edu/topics-devel.php
• gensim（Python）：http ://radimrehurek.com/gensim/
• 主题模型（R）：http ://cran.r-project.org/web/packages/topicmodels/index.html
• 斯坦福主题建模工具箱（专为社会科学家设计）：http ://www-nlp.stanford.edu/software/tmt/tmt-0.4/
• Mr.LDA（使用 MapReduce 的可扩展主题建模）：http ://lintool.github.io/Mr.LDA/
  • 如果您正在处理大量输入文本，您可能需要考虑使用 Mr.LDA 来构建您的主题模型——其基于 MapReduce 的方法在处理大量数据时可能更有效。

更多信息请参见 Biased Estimates 博客：主题模型阅读列表

如果您正在寻找一些简单的开始和易于实施的东西，我会推荐这个。

主题建模初学者指南

CLARIN-D 项目在Universität des Saarlandes CLARIN 中心主办的教学和学习材料合集 (TeLeMaCo)网站上收集了一些关于主题建模和 LDA 教程的良好指南。