问主题建模和聚类有什么区别？

EN

主题建模方法的目的是发现假设生成语料库文档的潜在主题(主题)。主题建模方法建立在分布假设的基础上，表明相似词发生在相似的语境中。为此，他们假设一个生成过程(一系列步骤)，这是一组描述文档生成方式的假设。在假设生成过程的前提下，进行推理，从而学习模型的潜在变量。例如，对于潜在的Dirichlet分配，这是每个主题的文档分布和每个单词的文档分发。从这个意义上说，一个文档可以用它的每个主题发行版来表示(doc$_1$ =0.3美元\乘以$体育+0.7美元\\乘以$Cinema)。这可以看作是一种软聚类方法，即doc$_1$在集群体育中占30%，在电影院中占70%。但是主题模型不仅仅是聚类方法，还可以用于理解、探索和可视化一个集合。

另一方面，聚类方法的目的是将数据划分为一致的组。当然，在不同的聚类算法之间，什么是一致的以及分区的执行方式是不同的。数据实例之间的距离是聚类方法的核心，因此实例可以以各种方式表示:对于文档，可以是术语频率(tf)、tf-国防军，甚至可以使用主题模型学习的每个文档的主题分布。