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。