neural topic model
论文参考：A Novel Neural Topic Model and Its Supervised Extension
主要思想：
将神经网络和topicmodel结合，将LDA中对于狄利克雷分布的参数估计转换到神经网络中对于隐藏层参数的估计，设定损失函数，通过迭代学习得到最优参数，并且这也对加入标签数据更加友好。
代码：github上有实现，但是参数更新的过程中出现的问题导致收敛到0，并且作者没有解决。
论文参考：A Novel Neural Topic Model and Its Supervised Extension
主要思想：
将神经网络和topicmodel结合，将LDA中对于狄利克雷分布的参数估计转换到神经网络中对于隐藏层参数的估计，设定损失函数，通过迭代学习得到最优参数，并且这也对加入标签数据更加友好。
代码：github上有实现，但是参数更新的过程中出现的问题导致收敛到0，并且作者没有解决。