语义表示应用介绍
主题模型产生的主题表示可看做文档的特征信息，能够用于文档分类、聚类、内容分析等多种任务。基于主题模型的文档特征表示可以分为两类，如图1所示：一类是经过主题模型降维，得到文档在主题上的多项分布，LDA、Sentence LDA等模型支持这一类的文档特征表示；另一类是联合使用主题向量和文档主题分布，生成的文档向量表示，TWE等融合了词向量的主题模型可以支持这一类的文档特征表示。相对于多项分布表示，向量表示较为灵活，维度不受限于主题的数目。
对于新闻APP，其通过各种来源获得到的新闻，质量通常良莠不齐。在表2中列出了一些低质新闻与优质新闻的标题，可以看出低质新闻大多是软文和广告类文章，而优质新闻则是包含了具体实事信息的文章。
为了提升用户体验，我们通常会基于新闻特征，构建一个分类器来自动过滤低质量的新闻。从每篇新闻中，可提取一些传统特征：包括新闻来源站点、新闻内容长度、图片数量、新闻热度等其他人工设计的特征，这些特征组成了基础特征集合。除了这些传统特征，也可利用主题模型 (LDA 或 Supervised LDA) 来计算每篇新闻的主题分布，作为附加特征与基础特征一起组成新特征集合(图2(a))。我们的新闻质量数据集，包含了7000篇经过人工标注的新闻，质量共划分为3个档位，其中0档表示质量最差，2档表示质量最优。我们采用Gradient Boost Decision Tree (GBDT)，基于5000篇已标注的新闻数据，分别利用基础特征集合和主题扩充后的特征集合 (经 LDA 或 Supervised LDA主题扩充) 进行训练，并在另外2000篇标注新闻数据上做验证实验。图2(b)展示了使用不同特征集合的三个分类器，在测试数据上的分类准确度：使用基础特征的baseline，以及进行了主题扩充的baseline+LDA和baseline+Supervised LDA。从这些实验结果可以看出，利用主题作为特征扩充可以有效提升分类器的效果。
文档的特征表示可看做是包含语义信息的一个降维过程，这些低维特征可以用来对文档进行聚类。我们使用LDA计算了1000篇新闻的主题分布，通过K-Means将文章聚类成10个簇，表3中展示了其中两个簇的部分结果。从表中可以看出，基于新闻的主题分布，可以很好的完成聚类，在簇1中显示的是与房子装修相关的新闻，簇2中则是聚集了与股票相关的新闻。
在一些文本挖掘工作中，我们需要衡量网页内容的丰富度，这时可以使用网页的主题分布来进行评估。通过计算网页的主题分布，进一步得到该分布的信息熵，作为衡量网页内容丰富度的指标。信息熵可衡量变量的确定性程度，若一个变量不确定性越大，其相应的信息熵会越大。基于主题模型，计算得到的网页主题分布，若概率平均分配到各个主题上，那么其信息熵最大，也就表示网页内容最丰富。若主题分布中，只有一个主题概率为1，其余主题的概率为0，那么得到的信息熵最低, 表示网页内容丰富度较低。基于文档特征表示，计算得到的网页内容丰富度，也可以作为一维特征引入到更为复杂的排序函数中。