A Cluster-Based Topic Model-theis

将文档的群组信息，也结合到话题建模的过程中，考虑到多层次的LDA，构成了文档、群组和语料库的话题分布层次。

当群组的个数已知的时候，群组生成是c维度的概率向量，联合分布概率可以表示为：

单词w，话题z和群组c：这里Nwt为单词分配为话题t的个数，Ntd为文档中话题t的个数，Nc为群组c中的话题个数。可以知道，这里每个文档只有一个群组标签，所以有生成概率为：

所以得到分布：

且：

最后使用gibbs采样对话题模型进行采样。

 

这里考虑，情感分析，其实也是对群组clustered-topic建模。