尽人事，听天命

前言最近一段时间隐语义模型（Latent Factor Model，LFM）在推荐系统中的应用越来越广泛，本文所介绍的矩阵分解方法也是基于这个隐语义模型。 这里需要说明的一点是，这里所说的矩阵分解并不是SVD，之前在这个问题纠结了很久，因为网上很多人还有周围的人都把矩阵分解就当成了SVD，实际上SVD也是矩阵分解的一种技术（SVD在推荐系统中的应用见http://blog.csdn

1.  文本建模我们平时所见的文档都是一个个词语构成的，但是在理解文档的时候，我们需要考虑文档主题，但是如果每个文档都需要人工理解的话代价太高，因此就产生了文本建模。文本建模的主要目的是追问我们所观察的语料库中的文本次序是怎样生成的。然后发现蕴藏于其中的主题，主题间的联系，以及主题随时间的演变，最后完成文档的自动标注。 人类所产生的文档都可以看作是一个上帝掷骰子所产生的，我们看到只是游戏的