دانلود مقالات ISI درباره تخصیص پنهان دیریکله + ترجمه فارسی

تخصیص پنهان دیریکله (به انگلیسی: Latent Dirichlet Allocation) یا LDA یک مدل تولیدی در آمار است. این مدل برای مدل سازی تعدادی متغیرهای پنهان (عناوین) در مجموعه‌ای از متن‌ها که شامل کلمات هستند بوجود آمده‌است. در حقیقت در یک متن شامل تعدادی کلمه می‌توان به هر کلمه تعدادی عنوان با احتمال مشخص نسبت داد که در نهایت با ترکیب با هم یک متن و عنوان آن را تشکیل می‌دهند در واقع می‌توان هر متن را به عنوان یک توزیع مخلوط از عناوین دید. این مشابه آنالیز پنهان مفهومی احتمالی با این تفاوت که در LDA یک توزیع احتمال پیشین از نوع توزیع دریکله در نظر گرفته می‌شود. اگرچه LDA با توزیع دریکله یکنواخت معادل با آنالیز پنهان مفهومی احتمالی است. هر عنوان مجموعه ای از کلمات را با احتمال مشخصی ایجاد می‌کند. کلماتی که تعلق خاصی به برخی از عناوین ندارند (مانند the در انگلیسی) می‌توان آنها را با احتمال بکتواختی در هرکدام از عناوین قرار داد؛ یا اینکه آنها را دستهٔ خاصی قرار داد. باید توجه کرد که تعریف صریحی برای عنوان از دیدگاه‌های معناشناسی یا معرفت‌شناسی مشخص نمی‌شود. بلکه اختصاص عناوین با یادگیری با نظارت برخی از کلمات و اختصاص آنها به عناوین و میزان رخدادهای آنها انجام می‌شود. نکتهٔ دیگر این است که در این مدل چیزی برای مدل سازی ترتیب یا همبستگی عناوین در نظر گرفته نمی‌شود، و هر متن به عنوان کیسه کلمات در نظرگرفته شده و فرض تعویض پذیری (تئوری دی فینتی) انجام می‌شود. توزیع دیریکله در نظریه احتمال و آمار یک توزیع پیوسته است. این توزیع بطور کلی حالت گسترش یافته توزیع بتا برای توابع چندمتغیره است. معمولاً از توزیع دیریکله به عنوان توزیع پیشین در مدل سازی بیزی استفاده می شود؛ چرا که توزیع دیریکله مزدوج پیشین (conjugate prior) برای توزیع چندجمله ای و توزیع دسته ای (categotical) است. تعمیم این توزیع فرایند دیریکله است.