LDA主题模型学习笔记3.5：变分參数推导

如今来推导一下得到变分參数更新式的过程。这一部分是在论文的附录中，为避免陷入过多细节而影响总体理解。能够在刚開始学习LDA的时候先不关注求解细节。首先要把L写成关于γ,ϕ\gamma,\phi函数。依据之前我们对L的定义：

L(γ,ϕ;α,β)=Eq[logp(θ,z,w|α,β)]−Eq[logq(θ,z)]

L(\gamma,\phi;\alpha,\beta)=E_q[logp(\theta,\mathbf
z,\mathbf w|\alpha,\beta)]-E_q[logq(\theta,\mathbf
z)]

(1)

再分别计算5个期望。能够得到例如以下式子：

(2)

上式中5个期望的计算要用到例如以下式子，这个是作者在附录中推导出来的式子：

5个期望的计算：

---

接下来分别对ϕ,γ\phi,\gamma 求偏导令导数为0，解出ϕ,γ\phi,\gamma 。

我们对(2)式中的L做简化，仅仅留下与ϕ\phi 有关的项 ：



求偏导：



解得：

对于γ\gamma。相同的步骤：

---

主要參考《Latent Dirichlet Allocation》

$(function () {
$('pre.prettyprint code').each(function () {
var lines = $(this).text().split('\n').length;
var $numbering = $('

').addClass('pre-numbering').hide();
$(this).addClass('has-numbering').parent().append($numbering);
for (i = 1; i ').text(i));
};
$numbering.fadeIn(1700);
});
});