前面花了两大篇幅讲解LDA的原理:

• LDA模型原理

http://mp.weixin.qq.com/s?__biz=MzA4NTIyMjY0Mg==&mid=207386308&idx=1&sn=f2fad036a3813939a38ecee3e65a7928#rd

2）LDA求解方法Gibbus采样

http://mp.weixin.qq.com/s?__biz=MzA4NTIyMjY0Mg==&mid=207482843&idx=1&sn=fc79a3e1c339047fe96d5fb3e25ced2f#rd

在了解了模型基本原理和求解过程之后，这次我们结合“基于无监督算法的用户画像”来演示LDA算法的实际应用，其主要思路是使用LDA对用户使用APP的描述信息对用户进行聚类，并且给出相应的关键词主题定义。

让我们先回顾一下无监督学习用户画像的思路：

具体用户画像的文章，请参考：

http://mp.weixin.qq.com/s?__biz=MzA4NTIyMjY0Mg==&mid=207159018&idx=1&sn=9ff0aac1d48e2ab10e7479f4e87a20b7#rd

LDA算法的输入输出：

Input:

Parameters:

Output:

结合用户手机APP的数据，那么基于LDA无监督学习的用户画像过程如下：

1、输入用户使用APP及描述信息

2、对输入文本进行分词

3、把分好词文本输入LDA模型中聚类

4、输出文本测试结果

对收集到数据清洗去杂处理后，以每行一个用户及app名称和描述存储

把处理好的信息用HanLp分词包用crf方法分词

调整LDA模型参数a，b，主题数，以及迭代次数

设置完参数，初始化LDA模型

初始化过程是对每一个词先赋予一个随机主题

吉布斯采样达到LDA分布的马尔科夫链平稳，求出LDA最优解

输出结果如下：

如上图所示：

1）把文档聚成10个主题，每个主题下有对应的关键词表

2）关键词属于对应主题的概率，全部关键词概率和为1

3)根据关键词归纳出主题标签

例如：

① topic0中对应关键词表：医院、治疗、患者；可见topic0是和“医疗”相关的

② topic2中对应关键词表：市场、中国、企业、公司；可见topic2是和“经济”相关的

③ topic4中对应关键此表：工作、专业、学生、学校；可见topic4是和“学生求职”相关