diff --git a/.idea/workspace.xml b/.idea/workspace.xml
index 6a33609..f867cfb 100644
--- a/.idea/workspace.xml
+++ b/.idea/workspace.xml
@@ -62,8 +62,8 @@
           </provider>
           <provider selected="true" editor-type-id="split-provider[text-editor;markdown-preview-editor]">
             <state split_layout="SPLIT">
-              <first_editor relative-caret-position="135">
-                <caret line="9" column="0" selection-start-line="9" selection-start-column="0" selection-end-line="9" selection-end-column="0" />
+              <first_editor relative-caret-position="210">
+                <caret line="14" column="0" selection-start-line="14" selection-start-column="0" selection-end-line="14" selection-end-column="0" />
                 <folding />
               </first_editor>
               <second_editor />
@@ -1230,8 +1230,8 @@
       </provider>
       <provider selected="true" editor-type-id="split-provider[text-editor;markdown-preview-editor]">
         <state split_layout="SPLIT">
-          <first_editor relative-caret-position="135">
-            <caret line="9" column="0" selection-start-line="9" selection-start-column="0" selection-end-line="9" selection-end-column="0" />
+          <first_editor relative-caret-position="210">
+            <caret line="14" column="0" selection-start-line="14" selection-start-column="0" selection-end-line="14" selection-end-column="0" />
             <folding />
           </first_editor>
           <second_editor />
diff --git "a/\350\207\252\347\204\266\350\257\255\350\250\200\345\244\204\347\220\206/LDA.md" "b/\350\207\252\347\204\266\350\257\255\350\250\200\345\244\204\347\220\206/LDA.md"
index d8a2d5f..7786ead 100644
--- "a/\350\207\252\347\204\266\350\257\255\350\250\200\345\244\204\347\220\206/LDA.md"
+++ "b/\350\207\252\347\204\266\350\257\255\350\250\200\345\244\204\347\220\206/LDA.md"
@@ -9,7 +9,7 @@
 - 采用EM方法修正词-主题矩阵+主题-文档矩阵直至收敛
 
 # LDA中的主题矩阵如何计算?
-- 给矩阵W和K随机赋值，其中W是每个主题中每个单词出现的次数，K是每个文档中每个主题出现的次数，虽然这些次数还只是随机数，我们还是可以根据这些次数，利用Dirichlet分布计算出每个主题中每个单词最可能出现的概率，以及每个文档中每个主题最可能出现的概率
+- 给矩阵W和K随机赋值，其中W是每个主题中每个单词出现的次数，K是每个文档中每个主题出现的次数，虽然这些次数还只是随机数，我们还是可以根据这些次数，利用Dirichlet分布+多项式分布计算出每个主题中每个单词最可能出现的概率，以及每个文档中每个主题最可能出现的概率
 - 对于样本文档中的词，用极大似然估计得到每个主题产生单词的概率：p(z/w,d) = p(w/z)p(z/d)，找出概率最大的那个主题
 - 由于确定了这个单词是哪个主题产生的，相当于Dirichlet分布中代入参数W和K的值发生了改变，于是计算出新的词-主题的概率矩阵+主题-文档的概率矩阵
 - 最后主题-文档的概率矩阵即为所求