是否有办法以在线学习的方式训练LDA模型，即加载之前训练的模型，并用新文档进行更新？

回答：

我自己回答：目前这是不可能的。

实际上，Spark有两种LDA模型训练的实现方式，其中一种是OnlineLDAOptimizer。这种方法特别设计用于通过文档的小批量增量更新模型。

优化器实现了在线变分贝叶斯LDA算法，该算法在每次迭代中处理语料库的一个子集，并自适应地更新词-主题分布。

原始在线LDA论文：Hoffman, Blei和Bach，“潜在Dirichlet分配的在线学习。”NIPS, 2010。

遗憾的是，目前的mllib API不允许加载之前训练的LDA模型，并向其添加一批新数据。

一些mllib模型支持使用initialModel作为增量更新的起点（参见KMeans或GMM），但LDA目前不支持这一点。我已经为此提交了一个JIRA：SPARK-20082。请投赞成票 😉

顺便提一下，还有一个关于流式LDA的JIRA：SPARK-8696