我想澄清潜在 Dirichlet 分配（LDA）与文档聚类这一通用任务之间的关系。

LDA 分析倾向于输出每个文档的主题比例。如果我的理解正确，这并不是文档聚类的直接结果。然而，我们可以将这些概率比例视为每个文档的特征表示。之后，我们可以基于 LDA 分析生成的特征配置调用其他已建立的聚类方法。

我的理解正确吗？谢谢。

回答：

是的，你可以将 LDA 的输出视为文档的特征；这正是 Blei、Ng 和 Jordan 在介绍 LDA 的论文中所做的。他们将其用于分类，但对于聚类，程序是相同的。

（在机器学习术语中，这种使用 LDA 的方法被称为降维，因为它将特征空间的维数从词汇量 |V| 减少到用户选择的主题数 k。）