一、概率主题模型:混合的一元语言模型
混合模型中单词的概率是生成单词的不同方法的总和。
二、概率主题模型:混合模型估计
假设文本数据包括两种词,一种是像the is 等的背景词,一种是像text mining等的高频词分布中的词。
为了筛选高频率的背景词,我们设该混合模型为假,即我们将假设模型中除了以参数theta d表示的文本分布,所有其他分布的参数值都是已知的,然后再假设背景词模型已知。第一个问题是怎么选择参数theta d来让已观测到的高频词概率(text mining等词)达到最大
假设选择这两模型的概率是一样的,即都为0.5,再假设这个文档中只有the和text两个词,且其在背景模型中的概率分别为0.9和0.1,然后求出text和the的概率,似然函数就是两个概率的乘积。
下一步就是要求出让似然函数达到最大值的变量