LDA是一种主题模型，用于确定文档的主题分布和词的分布。它基于词袋模型，认为词与词之间无序，文档可包含多个主题。理解LDA涉及5个步骤，包括二项分布、多项分布等。LDA与PLSA的主要区别在于LDA采用了贝叶斯框架和Dirichlet分布。模型生成过程涉及文档主题和词的随机混合。LDA常用于文本分类和聚类。
一、简介
https://cloud.tencent.com/developer/article/1058777
1、LDA是一种主题模型
作用：可以将每篇文档的主题以概率分布的形式给出【给定一篇文档，推测其主题分布】。我们的目标是找到每一篇文档的主题分布和每一个主题中词的分布。
从而通过分析一些文档抽取出它们的主题（分布）出来后，便可以根据主题（分布）进行主题聚类或文本分类。
2、同时，它是一种典型的词袋模型
即一篇文档是由一组词构成，词与词之间没有先后顺序的关系。
此外，一篇文档可以包含多个主题，文档中每一个词都由其中的一个主题生成。
3、理解LDA，可以分为下述5个步骤：
- 一个函数：gamma函数
- 四个分布：二项分布、多项分布、beta分布、Dirichlet分布
- 一个概念和一个理念：共轭先验和贝叶斯框架
- 两个模型：pLSA、LDA（在本文第4 部分阐述）
- 一个采样：Gibbs采样
二、LDA模型
比如假设事先给定了这几个主
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
