潜在狄利克雷分配（LDA）是一种用于揭示文本语料库中隐藏主题的算法。它是文档集合的生成概率模型。它已用于在自然语言处理 (NLP)、机器学习和定量营销研究中执行文本分析。
在基本层面上，LDA 可以被认为是多文档聚类的过程。它尝试根据相关单词在文档语料库中的出现模式将相关单词分组为主题。包含更多相同单词的文档被分组在一起。聚类完成后，根据聚类文档中的底层单词模式对主题进行标记。
一旦主题被标记，LDA 就可以进一步用于揭示主题和文档之间的关联。例如，LDA 可用于推断文档是否包含特定主题。此外，它还用于文档分类等应用程序，以帮助文档挖掘和自然语言理解。
LDA 与概率潜在语义分析 (PLSA) 密切相关，可以被认为是 PLSA 的推广。通常，它应用于从大量文档中检索信息。它已用于多种行业，包括医疗保健、娱乐和金融。
LDA是使用贝叶斯推理算法实现的。贝叶斯定理以统计学家托马斯·贝叶斯的名字命名，它处理将单词正确分类到主题所需的概率测量。还可以将LDA与其他方法（例如马尔可夫链蒙特卡罗（MCMC）采样）相结合，以提高模型的有效性。
潜在狄利克雷分配由于其在自然语言处理、机器学习和定量营销研究中的表现而成为一种越来越流行的算法。它提供了一种有价值的方法来理解文本语料库的底层结构、揭示主题和文档之间的关联以及执行文档聚类。
