主题模型︱几款新主题模型——SentenceLDA、CopulaLDA、TWE简析与实现

百度最近开源了一个新的关于主题模型的项目。文档主题推断工具、语义匹配计算工具以及基于工业级语料训练的三种主题模型：Latent
Dirichlet Allocation(LDA)、SentenceLDA 和Topical Word Embedding(TWE)。
.

一、Familia简介

帮Familia，打个小广告~ Familia的github
主题模型在工业界的应用范式可以抽象为两大类: 语义表示和语义匹配。

• 语义表示 (Semantic Representation)
  对文档进行主题降维，获得文档的语义表示，这些语义表示可以应用于文本分类、文本内容分析、CTR预估等下游应用。

• 语义匹配 (Semantic Matching)

计算文本间的语义匹配度，我们提供两种文本类型的相似度计算方式:

- 短文本-长文本相似度计算，使用场景包括文档关键词抽取、计算搜索引擎查询和网页的相似度等等。
- 长文本-长文本相似度计算，使用场景包括计算两篇文档的相似度、计算用户画像和新闻的相似度等等。

Familia自带的Demo包含以下功能：

• 语义表示计算

利用主题模型对输入文档进行主题推断，以得到文档的主题降维表示。

• 语义匹配计算

  计算文本之间的相似度，包括短文本-长文本、长文本-长文本间的相似度计算。

• 模型内容展现
  对模型的主题词，近邻词进行展现，方便用户对模型的主题有直观的理解。

.

---