我想澄清潜在狄利克雷分配(LDA)和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表示。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。
我的理解正确吗?谢谢。
最佳答案
是的,您可以将LDA的输出视为文档的特征;这正是 Blei、Ng 和 Jordan 在 paper that introduced LDA 中所做的。 。他们这样做是为了分类,但对于聚类,过程是相同的。
(在机器学习术语中,LDA 的这种使用称为降维,因为它将特征空间的维数从词汇量 |V| 减少到用户选择的k个主题。)
关于nlp - 潜在狄利克雷分配与文档聚类之间的关系,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/6612062/