Topic model 在搜索和广告，用户兴趣理解，推荐系统中有着非常泛的应用。它可以成为retrieval的方法，成为点击模型的信号，也是推荐系统中基于内容推荐的重要算法。Topic model最近这些年很火的原因是其在语料准备上比supervised model更容易，不需要人工的标注信息。对于我们应用模型的工程师而言，在原理上搞清楚几种常见的topic model的区别很重要，虽然影响实际应用效果的因素更主要的与训练语料，应用场景有关，但弄清几个算法的区别是使用topic model的前提条件。 topic models中，对unigram model和PLSA的理解非常重要。LDA虽然推理方式最复杂，公式最多，但只是个纸老虎，个人觉得理解前两者（及其区别）比理解后者也许更困难。Topic model 在搜索和广告，用户兴趣理解，推荐系统中有着非常泛的应用。它可以成为re
阅读背景：
Mixture unigram Model, PLSA及LDA
来源：互联网
分享到：
