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|