基于密度的自适应LDA模型选择方法

主题模型已成功用于信息分类和检索。 这些模型可以使用称为“主题”的低维多项式分布集捕获文本文档集合中的单词相关性。 但是，为特定数据集选择适当数量的主题很重要但很困难。 在本文中，我们研究了潜在狄利克雷分配（LDA）中最佳主题结构和主题之间距离之间的内在联系，并提出了一种基于密度自适应选择最佳LDA模型的方法。 实验表明，该方法无需手动调整主题数即可实现与LDA最佳匹配的性能。