我想澄清潜在狄利克雷分配（LDA）和文档聚类的一般任务之间的关系。
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。
问问题
1898 次
1 回答
10
是的，您可以将 LDA 的输出视为文档的特征；这正是 Blei、Ng 和 Jordan 在介绍 LDA 的论文中所做的。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 的这种使用被称为降维，因为它将特征空间的维数从 | V | （词汇量）减少到用户选择的某个数量k的主题。）
于 2011-07-07T14:21:10.150 回答