隐含狄利克雷分布(Latent Dirichlet Allocation,LDA),是一种
主题模型(topic model),它可以将文档集中每篇文档的主题按照
概率分布的形式给出。
LDA首先由Blei, David M.、
吴恩达和Jordan, Michael I于2003年提出。
LDA是一种典型的词袋模型,即它认为一篇文档是由一组词构成的一个集合,词与词之间没有顺序以及先后的关系。一篇文档可以包含多个主题,文档中每一个词都由其中的一个主题生成。
另外,正如Beta分布是
二项式分布的共轭
先验概率分布,狄利克雷分布作为多项式分布的共轭
先验概率分布。因此正如LDA
贝叶斯网络结构中所描述的,在LDA模型中一篇文档生成的方式如下:
LDA是常见的
主题模型之一,是一类
无监督学习算法,在训练时不需要手工标注的训练集,需要的仅仅是文档集以及指定主题的数量k即可。此外LDA的另一个优点则是,对于每一个主题均可找出一些词语来描述它。
LDA在自然语言处理领域,包括
文本挖掘(text mining)及其下属的文本主题识别、文本分类以及文本相似度计算方面有应用。