LDA模型的研究及其在推薦系統(tǒng)中的應用.pdf

1、主題模型是用來發(fā)現(xiàn)文章中隱藏的主題的一種統(tǒng)計方法，這是一種應用范圍十分廣的生成模型。該模型假設每個文檔里存在很多個隱藏的主題，而由于文檔的性質(zhì)和類別不同，使得每篇文章的主題分布情況是不同的。主題模型就是利用文章的這個特點，根據(jù)每篇文章的主題分布建立模型。主題模型的應用范圍十分的廣泛，而且在許多領域的應用效果也十分的顯著。本文就是以LDA(Latent Dirichlet Analysis)主題模型為研究對象，針對模型的改進和模型參數(shù)的估

2、計進行了進一步研究。
　　首先，考慮到在電子商務中在購買商品之后還可以對所購買的商品進行評分。所以，我們對LDA模型進行了改進，加入了對商品的評分。并且，針對離散型評分和連續(xù)型評分我們分別對LDA模型進行了改進，然后用變分EM算法進行了參數(shù)估計。
　　其次，由于在對改進后的LDA模型用變分EM算法進行參數(shù)估計的過程中，我們發(fā)現(xiàn)目標函數(shù)的下界是我們假設的變分分布的熵。而熵表示的是隨機變量的不確定性，即我們假設的變分分布的不確定

3、性。由此，我們提出用TEM(Tempered Expectation Maximization)算法對模型進行參數(shù)估計。該算法通過對目標函數(shù)的中的熵除以一個參數(shù)τ，從而降低由于假設的變分分布的不確定性而對模型造成的影響。
　　最后，我們將改進后的LDA模型應用到MovieLens數(shù)據(jù)集上進行驗證，并通過交叉驗證的方法與基于用戶的協(xié)同過濾以及PLSA模型進行對比。得到改進后的模型效果優(yōu)于其他模型，而這兩種模型中，連續(xù)型數(shù)據(jù)的模型效果