LDA(Latent Dirichlet allocation)潜在狄立克雷分配模型，它是将文档集中每篇文档的主题按照概率分布的形式给出,是一种典型的概率生成性模型，能够发现语料库中潜在的主题信息，因此也称为LDA主题模型。它是一种无监督学习，可以应用于推荐系统之中，其优点在于无需手工标注训练集，仅仅需要的是文档集和指定主题的数量。其中，对于每个主题只需找出一些词语代替即可。
LDA主题模型是一个包含词汇、主题（隐变量）、文档的三层结构，把文档集中的文档看做是多个主题信息的混合分布，每个主题看做是对应预料库中所有词汇上的混合分布。
LDA（Latent Dirichlet Allocation）是一种文档主题生成模型。LDA的作用是判断两个文档的相似度，传统的方法使用词共现来判断，例如TF-IDF等，但这种方法未考虑文档的语义结构。LDA模型根据文档中的主题分布来判断文档的相似度。给定一个文档，首先分析出文档中包含哪些主题，然后判断不同文档中各个主题出现的概率大小。
可以用生成模型来看文档和主题这两件事。所谓生成模型，我们认为一篇文章的每个词都是通过“文档以一定概率选择了某个主题，然后从这个主题中以一定概率选择某个词语”这样一个过程得到的。也就是说，每篇文档先生成主题，根据主题再生成词语。
标签： lda、面试
