返回主题:经典算法与业务建模

知识卡片

普通读书笔记卡 · 2825.b

LDA文档主题模型

理解等级:未标注

LDA 是文档主题生成模型,分词、主题、文档三层:它假设文章中的每个词,都是先按一定概率选一个主题,再从该主题中按一定概率选出的。它是非监督方法,用来发现大规模文档集中潜藏的主题,经典应用是关键词提取。LDA 采用词袋方法,把文档看成词频向量,不考虑词序,这简化了问题,也限制了表达。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《分布式机器学习实战》第5章《Mahout分布式机器学习平台》(源文件:_epub-src/OEBPS/Text/chapter5.xhtml) - 结论依据:原文说明LDA是文档主题生成模型,包含词、主题、文档三层结构;认为文章每个词是“以一定概率选择某主题,再从主题中以一定概率选择某词”得到;是非监督技术,用于识别大规模文档集中潜藏的主题;采用词袋方法,不考虑词与词之间的顺序;经典应用是关键词提取。 - 原始内容:所谓生成模型,就是说,我们认为一篇文章的每个词都是通过“以一定概率选择了某个主题,并从这个主题中以一定概率选择某个词语”这样一个过程得到。……但是词袋方法没有考虑词与词之间的顺序,这简化了问题的复杂性,同时也为模型的改进提供了契机。