最近想研究下Dynamic Topic Models（DTM），论文看了看，文科生的水平确实是看不懂，那就实验一下吧，正好Blei的主页上也提供了相应的C++工具， http://www.cs.princeton.edu/~blei/topicmodeling.html，dtm这个代码放在google code中，下载需要fq。
下载了之后看了看，C++确实是不懂，但是在github上搜了一遭，也没找到完美的java版本，所以只能硬着头皮用C++了。
同时也去网上找找看看有没有人做过类似的工作，一搜确实是有，但是不多：
1、一哥们的实验，在linux下，http://www.jgoodwin.net/experimenting-with-dynamic-topic-models/
2、一些人的疑问，有没有python版本，答案是没有。http://stackoverflow.com/questions/22469506/are-there-any-efficient-python-libraries-for-dynamic-topic-models-preferably-ex
3、邮件列表 https://lists.cs.princeton.edu/pipermail/topic-models/
看了这么多，也没看明白是什么意思，还是自己慢慢搞吧。
第1步：安装系统
下载个centos5.5，这个在readme文件中有说明，作者就是这个版本编译的，我安装到了VMware中，当然还有另外的两个版本可以用。
第2步：编译文件
这个在readme文件中也有说明，把文件放到相应目录，make一下就行了。
第3步：作者建议先用他的文件里面带的一个小例子试验一下。
在dtm/sample.sh文件中有说明。
（1）输入文件。
两个输入文件是必须的，这些文件在dtm/example文件夹下面可以看到，是test-mult.dat和test-seq.dat。
a：foo-mult.dat ，用来表示文档和词的关系
每个文档一行，每一行形式是： unique_word_count index1:count1 index2:count2 ... indexn:counnt
用中文来说就是：该文章的总词数（不重复） 词1编号（用数字表示编号）：词1频次 词2编号：词2频次 词n编号：词n频次
例如：11 288:1 1248:1 5:1 1063:2 269:1 654:1 656:2 532:1 373:1 1247:1 543:1
表示这篇一共有11个不重复的词，第228个词出现1次，1248个词出现1次，这些词是所有文档中统一编号的。
需要注意的一点是：该文件中文档是按时间顺序排列的，时间最早的在最上面，时间最晚的在最下面。
b：foo-deq.dat ，这文件是用来划分时间窗的。
文件格式如下：
Number_Timestamps（时间窗总数）
number_docs_time_1（第一个时间窗的文档数，就是从第一个到第几个文档划分到第一个时间窗，我们如果按年来划分，就把每年的文档数写到这里就行）
...
number_docs_time_i
...
number_docs_time_NumberTimestamps
作者提供的例子，第一行表示分为10个时间窗，第二行表示第一个时间窗有25个文档。（看样子估计也是按年划分的）：
10
25
50
75
100
100
100
100
125
150
175
当上面两个文件搞定后。作者说还有两个文件虽然不是必须的，但是也是很有用的。
C： 词典文件
文档集合中涉及的所有的词，按照上面的词的序号排列。
d：文档信息文件
每行表示一个文档的基本信息，按照文档a中的顺序排列。
上述文件都可以用text2ldac生成，在https://github.com/JoKnopp/text2ldac下载，用python打开。
使用方法，在命令行中，找到text2ldac.py目录，运行 python text2ldac.py -o ./out -e txt ./in
out文件夹为输出文件位置，in文件夹为输入文件位置。 txt为仅处理txt文件
（2）运行程序
作者在readme文件中说，通过运行./main --help命令可以查看所有选项和解释，下面是运行该命令后的结果，太多了啊
输入下面的命令（后面的注释是我自己加的，。如果影响运行请去掉）
（2）输出结果。 上面文件完成之后，通过运行程序生成下面的文件，并且可以通过R查看结果，我们就可以用这个结果进行分析。
a topic-???-var-e-log-prob.dat:
主要是 e-betas（词在每个主题内每个时间段的分布），一行是一个词。
从文件中，我们看以看到每行只有一个数字。
可以在dtm\example\model_run\lda-seq中看到例子，他这个应该是有48240行，应该是有4824个词，每个时间窗内有4824个词？？。作者同时给出了在R中查看这些矩阵的方法。比如查看某个词在某个主题的某一个时间段的概率。
b gam.dat
gammas数据。表示文档与主题的关联。