Python机器学习与深度学习10.主题模型.pdfVIP

主题模型 主要内容  LDA  隐Dirichlet 分布  Latent Dirichlet Allocation  先验分布– 共轭分布  Beta 分布– Dirichlet 分布  三层贝叶斯网络模型LDA  Gibbs 采样和更新规则 Python机器学习与深度学习 2/78 LDA的应用方向  信息提取和搜索  语义分析  文档分类/ 聚类、文章摘要、社区挖掘  基于内容的图像聚类、目标识别  以及其他计算机视觉应用  生物信息数据的应用 Python机器学习与深度学习 3/78 朴素贝叶斯的分析  可以胜任许多文本分类问题。  无法解决语料中一词多义和多词一义的问题—— 它 更像是词法分析，而非语义分析。  如果使用词向量作为文档的特征，一词多义和多词 一义会造成计算文档间相似度的不准确性。  可以通过增加“主题”的方式，一定程度的解决上 述问题：  一个词可能被映射到多个主题中  —— 一词多义