文章目录
书山有路勤为径,学海无涯苦作舟(行行代码要手敲)
零、吃水不忘挖井人
一、LDA主题模型
1.1简介
LDA(文档主题生成模型)通常由包含词、主题和文档三层结构组成。
LDA模型属于无监督学习,它是将一篇文档的每个词都以一定概率分布在某个主题上,并从这个主题中选择某个词语。
文档到主题的过程是服从多项分布的,主题到词的过程也是服从多项分布的。
文档主题生成模型(又称为盘子表示法(Plate Notation),下图是模型的标示图,其中双圆圈表示可测变量,单圆圈表示潜在变量,箭头表示两个变量之间的依赖关系,矩形框表示重复抽样,对应的重复次数在矩形框的右下角显示。LDA模型的具体实现步骤如下:
- 从每篇网页D对应的多项分布θ中抽取每个单词对应的一个主题z。
- 从主题z对应的多项分布φ中抽取一个单词w。
重复步骤(1)(2),共计Nd次,直至遍历网页中每一个单词。