主题模型

宏观理解 LDA有两种含义 线性判别器（Linear Discriminant Analysis） 隐含狄利克雷分布（Latent Dirichlet Allocation，简称LDA） 本文讲解的是后者，它常常用于浅层语义分析，在文本语义分析中是一个很有用的模型。 LDA模型是一种主题模型，它可以将 文档集中的每篇文档的主题以概率分布的形式给出， 从而通过分析一些文档抽取出它们的主题（分布）出来后，便可以根据主题（分布）进行主题聚类或文本分类。同时，它是一种典型的词袋模型，即一篇文档是由一组词构成，词与词之间没有先后顺序的关系。 上面的大家在任何的地方都能看到一句话，然鹅我在第一看的时候一点都没有看懂。 如果用通俗的语言来讲，假设我们有一个文档集，里面有M个文档，对于第d个文档中会出现一堆单词，其中有一个单词是“周杰伦”，那么通过这个单词我们就可以理解为该文档的主题可能是“娱乐”，但是这个文档中还出现“姚明”，“孙杨”，“张继科”这些单词，此时该文档为“体育”主题的概率将大大上升，LDA模型就是要 根据给定一篇文档，推断这个文档的主题是什么，并给出各个主题的概率大小是多少。 那么对于我们刚刚提到的文档，“周杰伦”，“姚明”，“孙杨”，“张继科”，为”娱乐“主题的概率为1/4，为“体育”主题的概率为3/4，此时的LDA模型就说这个文档的主题为"体育"。