LDA主题模型浅析 -- 笔记

本文深入浅出地介绍了LDA(Latent Dirichlet Allocation)主题模型,从Gamma函数、Beta分布到Dirichlet-Multinomial共轭,详细解析了LDA的概率图模型和Gibbs Sampling算法,旨在帮助读者理解LDA的内在工作机制。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

0、前言

LDA是两个常用模型的简称:Linear Discriminant Analiysis 和Latent Dirichlet Allocation.
LDA(Latent Dirichlet Allocation)在文本建模中类似于SVD,PLSA等模型,可以用于浅层语义分析,在文本语义分析中是一个很有用的模型.
这个模型涉及到Gamma函数,Dirichlet分布(狄利克雷分布),Dirichlet-Multinomial共轭,Gibbs Sampling,Variational Inference,贝叶斯文本建模,PLSA建模,以及LDA文本建模.

1、Gamma函数

形式:
在这里插入图片描述
gamma函数性质:

在这里插入图片描述
并且Γ函数的计算有以下规律:
在这里插入图片描述

从二项分布到Gamma分布:

在这里插入图片描述

2、Beta分布

引入一个典例:
在这里插入图片描述
不是一般性:
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

其中x属于0-1之间的数。此时把题目所需求的k值带入公式即可求出来概率的函数。

3、Beta-Binomial 共轭

再引入一个典例:

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值