“丰富主题变得更丰富”（RTGR）问题在主题模型中很普遍，如果不干预分发过程，则会带来错误的主题分发。 在标准LDA（潜在Dirichlet分配）模型中，所有文档中的每个单词都具有相同的统计能力。 实际上，这些词对不同的主题有不同的影响。 在这种思想的指导下，我们通过考虑单词对主题划分的偏见作用来扩展ILDA（无限LDA）。 我们提出了一种自适应主题模型来专门解决RTGR问题。 本文提出的模型适用于三个问题：（1）主题数随文档的收集而变化，适合动态数据； （2）单词具有主题分布的区别属性； （3