nlp – 潜在Dirichlet分配与文档聚类之间的关系

发布时间：2020-12-14 16:35:48 所属栏目：资源来源：网络整理

导读：我想澄清潜在的Dirichlet分配(LDA)与文档聚类的通用任务之间的关系. LDA分析倾向于输出每个文档的主题比例.如果我的理解是正确的,这不是文档聚类的直接结果.但是,我们可以将此概率比例视为每个文档的特征代表.之后,我们可以根据LDA分析生成的特征配置调用其

我想澄清潜在的Dirichlet分配(LDA)与文档聚类的通用任务之间的关系.

LDA分析倾向于输出每个文档的主题比例.如果我的理解是正确的,这不是文档聚类的直接结果.但是,我们可以将此概率比例视为每个文档的特征代表.之后,我们可以根据LDA分析生成的特征配置调用其他已建立的聚类方法.

我的理解是否正确？谢谢.

是的,您可以将LDA的输出视为文档的功能;这正是Blei,Ng和Jordan在 paper that introduced LDA中所做的事情.他们这样做是为了分类,但对于聚类来说,程序是一样的.

(在机器学习术语中,LDA的这种使用被称为维数减少,因为它将特征空间的维数从| V |,词汇量大小减少到用户选择的某些k个主题.)

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!