大部分對LDA的解釋都是通過LDA生成文件的思路，而我們一般是給定文件，利用LDA推測該文件的話題分佈。我在這裡先講一下生成文件的過程，再講我們普遍用到的程式碼中推測話題的過程：

1.文件生成

我比較關注實用性，又不是很喜歡那麼多的數學公式，所以主要先把個人感覺最方便理解的解釋分享給大家看看~反正我看了下邊的解釋腦子裡可以有LDA原理的整個思路。

聯絡右上角給出的圖，步驟為從上到下、從左到右，先得到一個主題Zij=k,再得到第k個主題的詞分佈φk，繼而生成文件的詞彙w，迴圈該圖流程，生成整篇文件。

過程中涉及到多種分佈;

共軛分佈：在貝葉斯的理論體系中，如果先驗概率分佈和後驗概率分佈滿足同樣的分佈律的話，就說先驗分佈和後驗分佈是共軛分佈，同時，先驗分佈又叫做似然函式的共軛先驗分佈。大白話來說就是：如果一個概率分佈Z乘以一個分佈Y之後的分佈仍然是Z，那麼就是共軛分佈。二項分佈的共軛先驗分佈是Beta分佈，多項分佈的共軛先驗分佈是Dirichlet分佈。

LDA中涉及的   多項分佈和Dirichlet分佈,LDA中詞和主題服從多項式分佈，兩者的引數服從Dirichlet分佈。我認為引入共軛分佈主要是為了方便計算整個過程中的引數。

2.通過已知文件推測所含話題分佈

通過LDA推測話題分佈時，

1）初始先隨機給文字中的每個詞（喂進去的詞需要經過分詞、通過dictionary每個詞對應一個id，再將id與該詞對應的tf-idf值或詞頻關聯儲存為一個矩陣）分配主題z0（初始設定了要得到的話題個數k，為每個詞分配話題id），也給定了α和β，控制了主題分佈和詞分佈；

2）然後統計詞t屬於主題z的數量以及每個文件m下出現的主題z的數量；通過除了當前詞w以外其他所有詞所屬的主題分佈估計當前詞分配各個主題的概率，即計算

這樣就解釋了內部推測話題的過程。其中涉及的數學計算過程如下（我比較懶，直接貼了鄒博視訊的式子啦，如果對大家有用希望能點個贊之類的啦~~~~~~~~~