狄利克雷分配（LDA）模型

狄利克雷分配（Latent Dirichlet Allocation，简称 LDA）是一种用于文本分析和主题建模的概率模型。它基于贝叶斯理论，将文档看作是多个主题的混合，并且每个主题又是由多个单词组成的概率分布。LDA 模型假设每篇文档都有若干个主题，每个主题又有若干个单词，而每个单词都属于某一个主题。

LDA 模型包括三个基本步骤：初始化、迭代和收敛。初始化阶段，需要随机分配每个单词到某个主题中。在迭代阶段，LDA 模型通过计算每个单词属于每个主题的概率，来更新每个单词所属的主题。在收敛阶段，LDA 模型会不断迭代直到所有单词的主题分配稳定不变为止。

LDA 模型可以用于文本分类、文本聚类、关键词提取等任务。它的优点是可以发现文档的主题结构，同时也能够发现每个主题包含哪些单词，从而更好地理解文本数据的内在结构。