摘自《基于社交关系和影响力的在线社交网络用户兴趣偏好获取方法研究》
对LDA的理解，可参考：主题模型-LDA浅析
我对LDA的理解主要是抓住公式：
和图
其中“给定一系列文档，通过对文档进行分词，计算各个文档中每个单词的词频就可以得到左边这边”文档-词语”矩阵。主题模型就是通过左边这个矩阵进行训练，学习出右边两个矩阵。“
左边的矩阵就是每一个词语在每篇文章中出现的频率的矩阵，“学习出右边两个矩阵“，如何学习？其实就是矩阵分解，把左边的矩阵分解为右边的两个矩阵，可以采用SVD等矩阵分解方法，得到右边的两个矩阵之后，主要是如何利用这两个矩阵？其中“文档-主题“矩阵，单看其中的一列，就是某个文档的内容讲的是各个主题的概率，例如，文档1属于主题1的概率是0.1，属于主题2的概率是0.5，属于主题3的概率是0.8，...这其中概率最大的那个主题topic X，我们就可以认为，这个文档就属于主题topic X。由此，因为我们可以通过此方法判断文档的主题类型，所以我们就能判断两个不同的文档是否属于相同的主题，也就是可以达到文档归类的目的。
至于图中，“主题-词语“矩阵、"文档-主题"矩阵中的主题到底是啥，是不可知的，这其实也是可以理解的，因为任何一个词语都有可能出现在关于任何一个主题的文章中。
今天的文章 LDA主题模型是什么（LDA主题模型是什么）分享到此就结束了，感谢您的阅读。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/bian-cheng-ri-ji/45538.html