2nd/10_Wiki/Topics/AI_and_ML/Latent-Dirichlet-Allocation.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by
wiki-2026-0508-latent-dirichlet-allocation	Latent Dirichlet Allocation	10_Wiki/Topics	needs_review	self	NLP-LDA-001	none	A	1.0	nlp machine-learning lda topic-modeling unSupervised-Learning probability		2026-04-26	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

Latent Dirichlet Allocation (LDA, 잠재 디리클레 할당)

📌 한 줄 통찰 (The Karpathy Summary)

"문서는 여러 주제의 혼합물이며, 각 주제는 특정 단어들의 모임이다. 이 보이지 않는 구조를 확률의 눈으로 투시하라" — 문서 집합에서 숨겨진 주제를 찾아내고, 각 문서가 어떤 주제들의 비중으로 구성되어 있는지 추론하는 생성적 확률 모델.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: "Generative Process Reverse" — 문서가 작성되는 과정을 "주제 선택 -> 단어 선택"이라는 확률적 시나리오로 가정하고, 거꾸로 관측된 단어들로부터 원래의 주제 분포를 역추론하는 비지도 학습 패턴.
• 핵심 가정:
  • Bag-of-Words: 단어의 순서는 무시하고 빈도만 고려.
  • Dirichlet Distribution: 문서별 주제 분포와 주제별 단어 분포가 디리클레 분포를 따른다고 가정.
• 의의: 사람이 일일이 읽지 않아도 수천만 건의 문서에서 주요 화두(Topic)를 자동으로 추출하여 지식을 체계화할 수 있게 함.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: 문맥을 무시하는 단어 빈도 중심의 한계를 넘기 위해, 최근에는 문장의 의미를 임베딩 벡터로 파악하는 BERT 기반의 토픽 모델링(BERTopic)과 결합하여 정밀도를 높이는 추세.
• 정책 변화: Antigravity 프로젝트는 00_Raw에 유입되는 대규모 텍스트 데이터를 1차 분류할 때 LDA를 활용하여 위키의 어떤 카테고리에 배정할지 결정하는 클러스터링 보조 도구로 사용함.

🔗 지식 연결 (Graph)

• Latent-Semantic-Analysis-LSA, UnSupervised-Learning-Foundations, NLP-Foundations, Exploratory-Data-Analysis
• Raw Source: 10_Wiki/Topics/AI/Latent-Dirichlet-Allocation.md

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: needs_review
• 출처 신뢰도: A
• 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

• 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
• 처리 방식: UPDATE (자동 정규화)
• 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A