从主题模型(Topic Model)到隐语义模型(Latent Factor Model)

  在项亮的《推荐系统实战》中曾提到：隐语义模型(以下简称LFM)的算法最早是在文本挖掘领域被提出来的，用于找出文本的隐含语义。而在文本挖掘领域，主题模型(以下简称TM)正是用于找出文本中的隐含主题。由此可以推断LFM是由TM演变而来，TM是文本挖掘领域的专有名词，而LFM是推荐系统领域的专有名词，但其算法思想却是一致的。

---

TM是什么？

  TM，就是一种建模方法，旨在找出文本中隐含的主题。举个例子，这有两句话，第一句是‘天猫购物狂欢节万人空巷’，第二句是‘阿里今年收入或再创新高’。如果我们缺乏先验知识，不了解“天猫”、“阿里”是什么，就无法找出它们之间存在的关系。但是，通过TM可以发现它们的语义是相似的。

  我们通过生成模型来理解TM，我们假设一篇文档的每个词都是以一定概率选定某个主题，再从该主题选定某个词。那么，要生成一个文档，每个词加和后的概率表示如下：

p(词语|文档)=∑主题p(词语|