使用LDA對文檔主題進行建模

LDA 簡介 LDA認爲一篇文檔由一些主題按照一定概率組成，一個主題又由一些詞語按照一定概率組成。早期人們用詞袋模型對一篇文章進行建模，把一篇文檔表示爲若干單詞的計數。無論是中文還是英文，都由大量單詞組成，這就造成詞袋向量的維數巨大，少則幾千多則上萬，在使用分類模型進行訓練時，非常容易造成訓練緩慢以及過擬合。LDA本質上把詞袋模型進行了降維，把一篇文檔以主題的形式進行了表示。主題的個數通常爲幾百，

>>阅读原文<<