Latent structure

潜在狄利克雷分配 (LDA)

潜在狄利克雷分配 (LDA) 是由 Blei、Ng 和 Jordan 于 2003 年提出的一种离散数据集合的生成概率模型。它将每个文档视为潜在主题的混合体，并将每个主题视为词语的概率分布，从而能够对大型文本语料库中的主题结构进行无监督发现。它是机器学习和自然语言处理领域被引用最多的论文之一。

在 MethodMind 中打开即将推出视频即将推出Download slides

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

Method map

The neighbourhood of related methods — select a node to explore.

潜在狄利克雷分配 (LDA)

K-Means聚类非负矩阵分解 (NMF)Word2Vec 贝叶斯单细胞RNA测序分析 Dirichlet Process Mixtur…可解释的LDA主题模型多模态非负矩阵分解主题模型自监督NMF主题模型半监督主题建模变分推断

来源

Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3, 993–1022. DOI: 10.5555/944919.944937 ↗
Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84. DOI: 10.1145/2133806.2133826 ↗
Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2

如何引用本页

ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/zh/machine-learning/latent-dirichlet-allocation

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

被引用于

贝叶斯单细胞RNA测序分析 Dirichlet Process Mixture Model 可解释的LDA主题模型多模态非负矩阵分解主题模型非负矩阵分解 (NMF)自监督NMF主题模型半监督主题建模变分推断

发现本页有问题？报告或提出修改建议 →