在自然语言处理（NLP）领域，很多人会问：如何从零开始，构建一个真正可用的 NLP 流水线？ 常见的教程往往只聚焦于某一个环节，比如“训练一个 Word2Vec 模型”或者“跑一次 LDA 主题建模”。但在真实项目中，往往需要一个系统性的流程：从原始文本 → 预 ...

隐含狄利克雷分布（Latent Dirichlet Allocation，LDA），是一种主题模型（topic model），它可以将文档集中每篇文档的主题按照概率分布的形式给出。LDA主题模型可以看作是一个生成文档的机器，向机器内输入一个文档，机器产生一个文档。这个机器包括含有两对核心 ...

在优秀的词嵌入方法出现之前，潜在语义分析模型（LSA）和文档主题生成模型（LDA）都是解决自然语言问题的好方法。LSA模型和LDA模型有相同矩阵形式的词袋表示输入。不过，LSA模型专注于降维，而LDA模型专注于解决主题建模问题。 由于有很多资料介绍这两个 ...