LDA主题模型简介
LDA主题模型主要用于推测文档的主题分布，可以将文档集中每篇文档的主题以概率分布的形式给出，根据主题进行聚类或文本分类。
LDA主题模型不关心文档中单词的顺序，通常使用词袋特征来代表文档。
LDA模型认为主题可以由一个词汇分布来表示，而文章可以由主题分布来表示。
比如有两个主题，美食和美妆。LDA说两个主题可以由词汇分布表示，他们分别是：
{面包：0.4，火锅：0.5，眉笔：0.03，腮红：0.07}
{眉笔：0.4，腮红：0.5，面包：0.03，火锅：0.07}
同样，对于两篇文章，LDA认为文章可以由主题分布这么表示：
《美妆日记》{美妆：0.8，美食：0.1，其他：0.1}
《美食探索》{美食：0.8，美妆：0.1，其他：0.1} 所以想要生成一篇文章，可以先以一定的概率选取上述某个主题，再以一定的概率选取那个主题下的某个单词，不断重复这两步就可以生成最终文章。
在LDA模型中，一篇文档生成的方式如下：
其中，类似Beta分布是二项式分布的共轭先验概率分布，而狄利克雷分布（Dirichlet分布）是多项式分布的共轭先验概率分布。
