LDA(Lanton Dirichlet Allocation)浅显理解0.1

这一段时间在看LDA主题模型，这里说一下我对LDA的理解，抛开复杂的数学、概率论、机器机器学习算法，只说思路，其他内容以后再更加详细的写。
假设有一个机器人，他想写一篇文章,每篇文章包含N个词，那么他怎么写呢？？？

1、Unigram model

科学家A一开始这么设计，先给机器人读大量的文章，这样这个机器人的大脑中会有S个词，这些词组成了词向量$W=[w_1, w_2, w_3 ...... w_S]$，每一个词都有相对应的概率$P=[p(w_1), p(w_2), p(w_3) ...... p(w_S)$ 。
算法如下：

---

for i = 1 to N:
　　choose a word $w_i～ p(W)$

---

数学表示即：

$p(w) = ∏ p(w n )$

2、Mixture of unigrams

科学家B觉得不应该这样，他认为机器人读的这些文章分成不同的主题 Z=[z1,z2....