很久以来自己写的第一篇文章,原来一直都不愿意花时间在写文章上,但是最近发现,写文章总结能让你的思路更加清晰,给自己一个总结吧。
最近在公司遇到了主题词提取问题,原来在一直在使用的是TF-IDF的方法,但是现在实际的效果以及满足不了要求了,所以想到了其他的方案,其中一个方案就是topic modeling。
topic-modeling有几种方式: Unigram model, PLSA 与 LDA
即为一个多项式分布,我们可以认为单词出现的概率为
p→=(p1,p2,⋯,pV) , ,此时 w∼Mult(w|p→) 。
此时一篇文章就可以表示为d= w→=(w1,w2,⋯,wn) , 当假设词与词之间是相互独立时,文件就即可表示为:
p(w→