主题模型

主题模型（topic model）是以非监督学习的方式对文集的隐含语义结构（latent semantic structure）进行聚类（clustering）的统计模型。主题模型主要被用于自然语言处理（Natural language processing）中的语义分析（semantic analysis）和文本挖掘（text mining）问题，例如按主题对文本进行收集、分类和降维；也被用于生物信息学（bioinfomatics）研究。隐含狄利克雷分布Latent Dirichlet Allocation， LDA）是常见的主题模型。对主题模型的研究最早来自1998年Christos H. Papadimitriou、Prabhakar Raghavan、Hisao Tamaki和Santosh Vempala提出的潜在语义索引（Latent Semantic Indexing， LSI）。1999年，Thomas Hofmann提出了概率性潜在语义索引（Probabilistic LST， PLST）。