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。