主题模型资料索引

朴素贝叶斯可以胜任许多文本的分类问题，但是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，而不是语义分析。而如果使用词向量作为文档的特征，可以较好地解决了一词多义和多词一义的问题，但是就好像过拟合一样，会造成计算文档间相似度的不准确性。而通过添加主题这个隐藏变量，一个词可能被映射到多个主题，而多个主题也可能被映射到一个词中，从而解决一定程度上的语义问题。

主题模型经历从基于 SVD 的简单的 LSA(隐含语义分析)，到基于概率模型与 EM 的 pLSA，再到基于 Dirichlet 分布的 LDA。目前，经典的主题模型一般都会基于 BOW(Bag-of-Words)假设。

• Task-Driven Comparison of Topic Models

• LinkedIn 文本分析平台：主题挖掘的四大技术步骤

LDA

• LDA 算法理解

• Notes Nonparametric Bayesian Methods and Dirichlet Processes: Nonparametric Latent Dirichlet Allocation

• Nonparametric Latent Dirichlet Allocation

Lda2Vec

• A tale about LDA2vec: when LDA meets word2vec

• word2vec, LDA, and introducing a new hybrid algorithm: lda2vec

Topic Model Evaluation

• Perplexity To Evaluate Topic Models

• Topic Coherence To Evaluate Topic Models

• 2015-Exploring the Space of Topic Coherence Measures

• Hierarchical Document Clustering Using Frequent Itemsets