1、Blei的LDA程式碼（C）：http://www.cs.princeton.edu/~blei/lda-c/index.html
2、D.Bei的主頁：http://www.cs.princeton.edu/~blei/publications.html
3、Gibbs LDA++  by Xuan-Hieu Phan and Cam-Tu Nguyen（C++）：http://gibbslda.sourceforge.net/
4、用GibbsLDA做Topic Modeling （教程 by Lu Heng）：http://weblab.com.cityu.edu.hk/blog/luheng/2011/06/
5、Daichi Mochihashi（C，Matlab） ：http://chasen.org/~daiti-m/dist/lda/
6、Griffiths和Steyvers的Topic Modeling工具箱：http://psiexp.ss.uci.edu/research/programs_data/toolbox.htm
7.shuyo的LDA（python）：https://shuyo.wordpress.com/2011/05/18/latent-dirichlet-allocation-in-python/
8.python庫（lda 1.0.2）：https://pypi.python.org/pypi/lda
9.影象主題方面的LDA實現（python）：http://www.mblondel.org/journal/2010/08/21/latent-dirichlet-allocation-in-python/
10、一些部落格：
（1）【轉】LDA必讀的資料 http://www.xperseverance.net/blogs/2012/03/657/
（2）我愛機器學習小站裡面LDA部分：http://www.52ml.net/tags/lda/page/7
（3）基於LDA的Topic Model變形 http://www.cnblogs.com/wentingtu/archive/2013/06/02/3113422.html
（4）Topic modeling LDA by Blei（對Blei關於LDA的一些文章的評論）http://blog.csdn.net/pirage/article/details/8889951
（5）Latent dirichlet allocation note（裡面有對Daichi Mochihashi寫的LDA程式碼應用的教程）http://blog.csdn.net/wangran51/article/details/7408399

（6）Blei教學LDA視訊：http://videolectures.net/mlss09uk_blei_tm/

1.MALLET:實現語言，Java，實現模型，LDA，HLDA,Pachinko Allocation Model，此外，還實現了HMM，最大熵馬爾科夫模型和條件隨機場；
2.Shuyo的github程式碼：實現語言,Python,實現模型，LDA，Dirichlet Process Gaussian Mixture Model,online HDP,HDPLDA,Interactive Topic Model,Labeled LDA
地址:https://github.com/shuyo/iir/tree/master/lda
3.arongdari的github程式碼：實現語言,Python,實現模型，LDA，Correlated Topic Model,Relational topic model,Author-Topic model,HMM-LDA,Discrete Infinite logistic normal,Supervised Topic Model,Hierarchical Dirichlet process,Hierarchical Dirichlet scaling process
地址：https://github.com/arongdari/python-topic-model
4.Gensim：實現語言，Python，實現模型，LDA，Dynamic Topic Model,Dynamic Influence Model,HDP,LSI,Random Projections,深度學習的word2vec,paragraph2vec。
官網地址：http://radimrehurek.com/gensim/index.html
github程式碼地址：https://github.com/piskvorky/gensim
5.ahmaurya的github程式碼：實現語言，Python,實現模型，Topic Over Time
github程式碼地址：https://github.com/ahmaurya/topics_over_time
6.Blei實驗室的程式碼：實現語言，Python，實現模型，online lda,online HDP,turbo topic model,topic model visualization engine，實現語言，C，實現模型，correlated topic model,discrete infinite logistic normal,HLDA,lda,實現語言C++，實現模型，ctr,class-slda，Dynamic Topic model and the influence model,實現語言R，實現模型 lda
github程式碼地址：http://www.cs.columbia.edu/~blei/topicmodeling_software.html
7.中國科學技術資訊研究所徐碩老師的PDF，對LDA,TOT,AT模型如何使用gibbs sampling求參進行了細緻推導，並依據求參結果給出虛擬碼。
地址：http://blog.sciencenet.cn/blog-611051-582492.html

LDA和HLDA：
（1）D. M. Blei, et al., "Latent Dirichlet allocation," Journal of Machine Learning Research, vol. 3, pp. 993-1022, 2003.
（2）T. L. Griffiths and M. Steyvers, "Finding scientific topics," Proceedings of the National Academy of Sciences, vol. 101, pp. 5228-5235, 2004.
（3）D. M. Blei, et al., "Hierarchical Topic Models and the Nested Chinese Restaurant Process," NIPS, 2003.
（4）Blei的LDA視訊教程：http://videolectures.net/mlss09uk_blei_tm/  
（5）Teh的關於Dirichlet Processes的視訊教程：http://videolectures.net/mlss07_teh_dp/
（6）Blei的畢業論文：http://www.cs.princeton.edu/~blei/papers/Blei2004.pdf
（7）Jordan的報告：http://www.icms.org.uk/downloads/mixtures/jordan_talk.pdf
（8）G. Heinrich, "Parameter Estimation for Text Analysis," http://www.arbylon.net/publications/text-est.pdf
基礎知識：
（1）P. Johnson and M. Beverlin, “Beta Distribution,” http://pj.freefaculty.org/ps707/Distributions/Beta.pdf
（2）M. Beverlin and P. Johnson, “The Dirichlet Family,” http://pj.freefaculty.org/stat/Distributions/Dirichlet.pdf
（3）P. Johnson, “Conjugate Prior and Mixture Distributions”,http://pj.freefaculty.org/stat/TimeSeries/ConjugateDistributions.pdf
（4）P.J. Green, “Colouring and Breaking Sticks:Random Distributions and Heterogeneous Clustering”,http://www.maths.bris.ac.uk/~mapjg/papers/GreenCDP.pdf
（5）Y. W. Teh, "Dirichlet Process", http://www.gatsby.ucl.ac.uk/~ywteh/research/npbayes/dp.pdf
（6）Y. W. Teh and M. I. Jordan, "Hierarchical Bayesian Nonparametric Models with Applications,”
http://www.stat.berkeley.edu/tech-reports/770.pdf
（7）T. P. Minka, "Estimating a Dirichlet Distribution", http://research.microsoft.com/en-us/um/people/minka/papers/dirichlet/minka-dirichlet.pdf
（8）北郵論壇的LDA導讀：[導讀]文字處理、影象標註中的一篇重要論文Latent Dirichlet Allocation，http://bbs.byr.edu.cn/article/PR_AI/2530?p=1
（9）Zhou Li的LDA Note：http://lsa-lda.googlecode.com/files/Latent Dirichlet Allocation note.pdf
（10）C. M. Bishop, “Pattern Recognition And Machine Learning,” Springer, 2006.
程式碼：
（1）Blei的LDA程式碼（C）：http://www.cs.princeton.edu/~blei/lda-c/index.html
（2）BLei的HLDA程式碼（C）：http://www.cs.princeton.edu/~blei/downloads/hlda-c.tgz
（3）Gibbs LDA（C++）：http://gibbslda.sourceforge.net/
（4）Delta LDA（Python）：http://pages.cs.wisc.edu/~andrzeje/research/deltaLDA.tgz
（5）Griffiths和Steyvers的Topic Modeling工具箱：http://psiexp.ss.uci.edu/research/programs_data/toolbox.htm
（6）LDA（Java）：http://www.arbylon.net/projects/
（7）Mochihashi的LDA（C，Matlab）：http://chasen.org/~daiti-m/dist/lda/
（8）Chua的LDA（C#）：http://www.mysmu.edu/phdis2009/freddy.chua.2009/programs/lda.zip
（9）Chua的HLDA（C#）：http://www.mysmu.edu/phdis2009/freddy.chua.2009/programs/hlda.zip
其他：
（1）S. Geman and D. Geman, "Stochastic Relaxation, Gibbs Distributions, and the Bayesian Restoration of Images," Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. PAMI-6, pp. 721-741, 1984.
（2）B. C. Russell, et al., "Using Multiple Segmentations to Discover Objects and their Extent in Image Collections," in Computer Vision and Pattern Recognition, 2006 IEEE Computer Society Conference on, 2006, pp. 1605-1614.
（3）J. Sivic, et al., "Discovering objects and their location in images," in Computer Vision, 2005. ICCV 2005. Tenth IEEE International Conference on, 2005, pp. 370-377 Vol. 1.
（4）F. C. T. Chua, "Summarizing Amazon Reviews using Hierarchical Clustering,"http://www.mysmu.edu/phdis2009/freddy.chua.2009/papers/amazon.pdf
（5）F. C. T. Chua, "Dimensionality Reduction and Clustering of Text Documents,”http://www.mysmu.edu/phdis2009/freddy.chua.2009/papers/probabilisticIR.pdf
（6）D Bacciu, "Probabilistic Generative Models for Machine Vision,"http://www.math.unipd.it/~sperduti/AI09/bacciu_unipd_handouts.pdf