Latent Dirichlet Allocation

释义 Definition

潜在狄利克雷分配（常简称 LDA）：一种用于主题建模的概率生成模型，常用来从大量文本中自动发现“主题”（一组经常一起出现的词），并估计每篇文档由哪些主题混合组成。

发音 Pronunciation (IPA)

/ˈleɪtənt dɪˈrɪʃleɪ ˌæləˈkeɪʃən/

例句 Examples

We used latent Dirichlet allocation to find topics in customer reviews.
我们用潜在狄利克雷分配从客户评论中发现主题。

By fitting a latent Dirichlet allocation model with ten topics, the researchers compared how political themes shifted across newspapers over time.
研究人员拟合了一个包含十个主题的LDA模型，从而比较政治主题如何随时间在不同报纸中变化。

词源 Etymology

该术语由三部分构成：latent（“潜在的、未直接观察到的”）指模型中隐藏的主题结构；Dirichlet（狄利克雷）来自数学家 Peter Gustav Lejeune Dirichlet 的姓氏，指一种常用于“概率向量”的先验分布；allocation（分配）强调把词、主题、文档之间的概率“分配/归属”起来。LDA 作为主题建模方法在 2003 年由 Blei、Ng、Jordan 的论文中系统提出并普及。

相关词 Related Words

• Topic
• Model
• Probability
• Prior
• Bayesian
• Corpus
• Clustering
• Inference
• Gibbs
• Variational

文学与经典出处 Literary Works

• David M. Blei, Andrew Y. Ng, Michael I. Jordan. Latent Dirichlet Allocation（2003）
• David M. Blei. Probabilistic Topic Models（2012）
• Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze. Introduction to Information Retrieval（信息检索教材中常提及主题建模与LDA）
• Daniel Jurafsky, James H. Martin. Speech and Language Processing（自然语言处理教材中常介绍LDA/主题模型）