LDA——从概率的角度去看文学

是自生自灭，还是概率使然。

如果说上帝有数不尽的骰子，而人类现有的语言文字只是部分骰子的骰面(毕竟可能有其他外星文明，对应地球的语言只是部分骰子)，当上帝添加新的骰子或者骰面的时候，新的语言文字就诞生了。

那么文章是不是就可以理解为上帝掷骰子后产生的结果，作家的思路、灵感不过是上帝在掷骰子。

针对文章的基本组成 词 来说。例如，“我”，这个词有许多种的表达方式，
如果将世界上所有的相关文本进行统计分析，就会得到各种表达所占的比例，这时就是对所有的人而言；
当然可以细化，例如只收集近代中国所有与"我"同义的表述，这时就是对近代中国人而言，当你写"我"时的先验概率，也就是说你当你要写"我"时，会以什么概率用什么形式来写出来，这时切记要将全部近代中国人当作一个作家开看，因为我们的采样就是如此。

以上对词的分析，只是从词频的角度去统计概率，这远远不够的。例如当你写文言文时，是不会用"我"这个词来表示"我"的。因此词的真正使用概率就开始变得复杂起来，它与文章的上下文开始有了关系。

当上帝掷完骰子后，一篇文章便出现， 或好或坏，但每一篇文章基本都有它自己的主题，主题是由全部词汇或者主要词汇产生的，那么我们怎么用概率来解释主题和词之间的关系呢？怎样用概率去找出一篇文章的主题呢？ 在nlp中，文本模型就是准们处理这样的问题，而LDA则是其中一种。…