《表1 LDA主题模型符号解释》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于主题模型和关联规则的专利文本数据挖掘研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

LDA(Latent Dirichlet Allocation）是一种无监督的，可抽取文本特征的概率增长模型．LDA不需要事先对模型进行训练，可以通过无监督的学习方法来挖掘出文本中隐含的语义信息，将其应用到专利文本中时，不需要手动对文档添加标签，只需要给出期望生成的主题数K和主题中的TopN关键词N即可[14].LDA是一种“主题-文档-词汇”的三层贝叶斯模型，把主题视为词汇出现的概率分布，而文档认为是主题出现的概率分布，而构成主题的每一个词汇又都是无序的，那么就降低了文档的维度，大大简化了问题的复杂度[15].LDA主题模型如图3所示，模型的符号解释如表1所示．