LDA獨立性假設太強了，經常不是很work，而且跑起來太慢。但是數學上比較完備，模型漂亮。工程上可以用PLSA

? LDA的獨立性假設不算很強吧，畢竟是條件獨立。主要的假設其實是可交換性。由de Finetti's theorem，其實隱含變量下的條件獨立性假設就不是很強了（雖然存在不意味著能找到）。

? 我這邊使用LDA很爽快，雖然說優化的過程很折磨人，我們公司使用LDA模型對全網文本建立了分類模型

LDA(latent dirichlet allocation) 應該會好很多。LSI 雖然很簡單，但是有一個不太合理的假設是各個topic是互相垂直的向量，結果是得到的類比較難有明確的意義。LSI用來降維因該還行。

另外有一種LDA（Linear discriminant analysis）效果應該比PCA好些，但是需要有標注的數據

LDA的效果實際中看來更好，但LDA的收斂速度會比LSA慢。LSA通常是用其他算法的預處理分類中，很少單獨使用。

LDA從模型角度老說，是無監督算法（聚類算法），但是如果僅僅把LDA作為聚類模型來使用，我覺得就有點殺雞用牛刀的感覺了，我對LDA的看法是：天生的適合大數據環境下的文本分類算法

PLSI不錯，LDA適合發論文