Tang、Jin和Zhang（2008）提出了Author-Conference-Topic（ACT）模型，该模型能同时针对论文、作者及出版方（Publication Venue）模型，是LDA算法的一种拓展。Conference能提供出版方信息（例如期刊、研讨会、组织）。可将ACT模型思想解释为：合著者决定着论文的主题，每个主题生成一系列的单词并决定出版方。ACT模型可以计算某一作者选择某一主题的概率，某一主题使用某一单词的概率，以及某一主题上出版方的概率。在该模型中，主要利用Gibbs抽样进行推理，并设置了具有参数值的超参数α、β和μ（α＝50/T，β＝0.01，μ＝0.1）。使用参数x和z估计后验分布，结果用来推测θ、φ和ψ。后验概率计算如下：

经过Gibbs抽样后，给定主题后单词的概率φ、给定主题后会议的概率ψ以及给定作者后主题的概率θ可使用如下公式进行估计：(www.daowen.com)

论文d可用全部单词Nd的向量wd表示，其中，每一个wdi选自大小为V的词汇表。全部合著者集合Ad的向量ad从大小为A的作者集合中选取，cd代表出版方。论文集合D定义为D＝{（w1，a1，c1），…，（wD，aD，cD）}。主题数量用T表示。