LDA 吉布斯采样(Gibbs Sampling)的公式推导

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接: https://blog.csdn.net/L__ear/article/details/97042751

假设读者已经了解 LDA 的来龙去脉。

需要明确采样的含义:
随机变量是总体,采样就是按照总体的概率分布(指示了样本出现的概率)抽取样本的过程。样本应该能正确反映总体的情况,即样本与总体应该具有相同的统计性质(均值,方差等)。

一、《LDA数学八卦》中的推导

语料库中的第 i i 个词对应的主题我们记为 z i z_i ,其中 i = ( m , n ) i=(m,n) 是一个二维下标,即语料库中第 i i 个词对应于第 m m 篇文档的第 n n 词,我们用 ¬ i \neg i 表示去除下标为 i i 的词。
那么按照 Gibbs Sampling 的要求,我们要求得任一坐标轴 i i 对应的条件分布 p ( z i = k Z ¬ i , W ) p(z_i=k|\vec{Z}_{\neg i},\vec{W}) ,注意这是一个离散型概率分布的抽样。由贝叶斯法则可得(条件概率正比于联合概率):
p ( z i = k Z ¬ i , W ) p ( z i = k , w i = t Z ¬ i , W ¬ i ) p(z_i=k|\vec{Z}_{\neg i},\vec{W})\propto p(z_i=k,w_i=t|\vec{Z}_{\neg i},\vec{W}_{\neg i})
由于 z i = k , w i = t z_i=k,w_i=t 只涉及到第 m m 篇文档和第 k k 个主题,所以只会涉及到如下两个 Dirichlet-Multinomial 共轭结构

  1. α θ m z m \vec{\alpha}\rightarrow\vec{\theta}_m\rightarrow\vec{z}_m
  2. β φ k w k \vec{\beta}\rightarrow\vec{\varphi}_k\rightarrow\vec{w}_k

去掉了语料中第 i i 个词对应的 ( z i , w i ) (z_i,w_i) ,并不会改变上面两个共轭结构,只是会减少对应的计数。所以 θ m , φ k \vec{\theta}_m,\vec{\varphi}_k 的后验分布都还是狄利克雷分布:
p ( θ m Z ¬ i , W ¬ i ) = D i r ( θ m n m , ¬ i + α ) p ( φ k Z ¬ i , W ¬ i ) = D i r ( φ k n k , ¬ i + β ) p(\vec{\theta}_m|\vec{Z}_{\neg i},\vec{W}_{\neg i})=Dir(\vec{\theta}_m|\vec{n}_{m,\neg i}+\vec{\alpha})\\p(\vec{\varphi}_k|\vec{Z}_{\neg i},\vec{W}_{\neg i})=Dir(\vec{\varphi}_k|\vec{n}_{k,\neg i}+\vec{\beta})
注意, n m , ¬ i , n k , ¬ i \vec{n}_{m,\neg i},\vec{n}_{k,\neg i} 都不是双下标, n m = ( n m ( 1 ) ,   , n m ( K ) ) \vec{n}_{m}=(n_m^{(1)},\cdots,n_m^{(K)}) n m ( k ) n_m^{(k)} 表示第 m 篇文档中第 k 个主题的词的个数, n k = ( n k ( 1 ) ,   , n k ( V ) ) \vec{n}_k=(n_k^{(1)},\cdots,n_k^{(V)}) n k ( t ) n_k^{(t)} 表示第 k 个主题中第 t(词典下标) 个词的个数。 ¬ i \neg i 表示去除下标为 i i (语料下标) 的词,所以在统计生成 n m , n k \vec{n}_{m},\vec{n}_{k} 这两个向量时,我们可以当做第 m 篇文档中就没有这个词,也就不统计该词相关的计数, n m , ¬ i , n k , ¬ i \vec{n}_{m,\neg i},\vec{n}_{k,\neg i} 表示的就是这样一种含义。

Gibbs Sampling 公式的推导:
p ( z i = k Z ¬ i , W ) p ( z i = k , w i = t Z ¬ i , W ¬ i ) = p ( z i = k , w i = t , θ m , φ k Z ¬ i , W ¬ i ) d θ m d φ k = p ( z i = k , θ m Z ¬ i , W ¬ i ) p ( w i = t , φ k Z ¬ i , W ¬ i ) d θ m d φ k = p ( z i = k θ m ) p ( θ m Z ¬ i , W ¬ i ) p ( w i = t φ k ) p ( φ k Z ¬ i , W ¬ i ) d θ m d φ k = p ( z i = k θ m ) D i r ( θ m n m , ¬ i + α ) d θ m p ( w i = t φ k ) D i r ( φ k n k , ¬ i + β ) d φ k = θ m k D i r ( θ m n m , ¬ i + α ) d θ m φ k t D i r ( φ k n k , ¬ i + β ) d φ k = E ( θ m k ) E ( φ k t ) = θ ^ m k φ ^ k t \begin{aligned} p(z_i=k|\vec{Z}_{\neg i},\vec{W})\propto & p(z_i=k,w_i=t|\vec{Z}_{\neg i},\vec{W}_{\neg i})\\ =&\int p(z_i=k,w_i=t,\vec{\theta}_m,\vec{\varphi}_k|\vec{Z}_{\neg i},\vec{W}_{\neg i})\mathrm d\vec{\theta}_m\mathrm d\vec{\varphi}_k\\ =&\int p(z_i=k,\vec{\theta}_m|\vec{Z}_{\neg i},\vec{W}_{\neg i})\cdot p(w_i=t,\vec{\varphi}_k|\vec{Z}_{\neg i},\vec{W}_{\neg i})\mathrm d\vec{\theta}_m\mathrm d\vec{\varphi}_k\\ =&\int p(z_i=k|\vec{\theta}_m)p(\vec{\theta}_m|\vec{Z}_{\neg i},\vec{W}_{\neg i})\cdot p(w_i=t|\vec{\varphi}_k)p(\vec{\varphi}_k|\vec{Z}_{\neg i},\vec{W}_{\neg i})\mathrm d\vec{\theta}_m\mathrm d\vec{\varphi}_k\\ =&\int p(z_i=k|\vec{\theta}_m)Dir(\vec{\theta}_m|\vec{n}_{m,\neg i}+\vec{\alpha})\mathrm d\vec{\theta}_m\cdot\int p(w_i=t|\vec{\varphi}_k)Dir(\vec{\varphi}_k|\vec{n}_{k,\neg i}+\vec{\beta})\mathrm d\vec{\varphi}_k\\ =&\int \theta_{mk} Dir(\vec{\theta}_m|\vec{n}_{m,\neg i}+\vec{\alpha})\mathrm d\vec{\theta}_m\cdot\int \varphi_{kt} Dir(\vec{\varphi}_k|\vec{n}_{k,\neg i}+\vec{\beta})\mathrm d\vec{\varphi}_k\\ =&E(\theta_{mk})\cdot E(\varphi_{kt})\\ =&\hat{\theta}_{mk}\cdot\hat{\varphi}_{kt} \end{aligned}

根据狄利克雷分布的期望公式有:
θ ^ m k = n m , ¬ i ( k ) + α k k = 1 K n m , ¬ i ( k ) + α k φ ^ k t = n k , ¬ i ( t ) + β t t = 1 V n k , ¬ i ( t ) + β t \hat{\theta}_{mk}=\frac{n_{m,\neg i}^{(k)}+\alpha_k}{\sum_{k=1}^Kn_{m,\neg i}^{(k)}+\alpha_k}\\\hat{\varphi}_{kt}=\frac{n_{k,\neg i}^{(t)}+\beta_t}{\sum_{t=1}^Vn_{k,\neg i}^{(t)}+\beta_t}

所以 LDA 模型的采样公式为:
p ( z i = k Z ¬ i , W ) n m , ¬ i ( k ) + α k k = 1 K n m , ¬ i ( k ) + α k n k , ¬ i ( t ) + β t t = 1 V n k , ¬ i ( t ) + β t p(z_i=k|\vec{Z}_{\neg i},\vec{W})\propto\frac{n_{m,\neg i}^{(k)}+\alpha_k}{\sum_{k=1}^Kn_{m,\neg i}^{(k)}+\alpha_k}\cdot\frac{n_{k,\neg i}^{(t)}+\beta_t}{\sum_{t=1}^Vn_{k,\neg i}^{(t)}+\beta_t}

二、《Parameter estimation for text analysis》中的推导

第一类狄利克雷积分,后面直接当作结论使用,不做证明:
Δ ( α ) = x i = 1 i = 1 N x i α i 1 d x \Delta(\vec{\alpha})=\int_{\sum x_i=1}\prod_{i=1}^Nx_i^{\alpha_i-1}\mathrm d\vec{x}
考虑一个有狄利克雷先验的一元模型(文档的生成仅依赖于一个词分布),此时只有一个 Dirichlet-Multinomial 共轭结构,有:
p ( W α ) = p ( W p ) p ( p α ) d p p(W|\vec{\alpha})=\int{p(W|\vec{p})\cdot p(\vec{p}|\vec{\alpha})\mathrm d\vec{p}}
对比我们在概率论中学过的全概率公式,可以把这个式子理解为连续型变量的全概率公式。
具体的:
p ( W α ) = n = 1 N M u l t ( w = w n p , 1 ) D i r ( p α ) d p = v = 1 V p v n ( v ) 1 Δ ( α ) v = 1 V p v α v 1 d p = 1 Δ ( α ) v = 1 V p v n ( v ) + α v 1 d p D i r i c h l e t = Δ ( n + α ) Δ ( α ) , n = { n ( v ) } v = 1 V \begin{aligned} p(W|\vec{\alpha})=&\int{\prod_{n=1}^N\mathrm{Mult}(w=w_n|\vec{p},1)\cdot \mathrm{Dir}(\vec{p}|\vec{\alpha})\mathrm d\vec{p}}\\ =&\int{\prod_{v=1}^Vp_v^{n^{(v)}}\cdot \frac{1}{\Delta(\vec\alpha)}\prod_{v=1}^Vp_v^{\alpha_v-1}\mathrm d\vec{p}}\\ =&\frac{1}{\Delta(\vec\alpha)}\int{\prod_{v=1}^Vp_v^{n^{(v)}+\alpha_v-1}\mathrm d\vec{p}} & | \mathrm{Dirichlet}\int\\ =&\frac{\Delta(\vec{n}+\vec\alpha)}{\Delta(\vec\alpha)},\vec{n}=\{n^{(v)}\}_{v=1}^V \end{aligned}
其中, M u l t ( w = w n p , 1 ) \mathrm{Mult}(w=w_n|\vec{p},1) 表示多项式分布 N 次实验中一次实验的观测结果,最后一步的推导使用了第一类狄利克雷积分。

上面这个推导的意义是,消去了多项式分布的参数 p \vec{p} 的影响,因为它是未知的,仅使用词计数和狄利克雷超参数(伪计数)来表达观察到的语料的概率。

那么对于 LDA 模型来说,就是 K+M 个 Dirichlet-Multinomial 共轭结构。
首先对于 K 个主题的 Dirichlet-Multinomial 共轭结构有:
p ( w z , β ) = p ( w z , Φ ) p ( Φ β ) d Φ = k = 1 K 1 Δ ( β ) t = 1 V φ k , t n k ( t ) + β t 1 d φ k = k = 1 K Δ ( n k + β ) Δ ( β ) , n k = { n k ( t ) } t = 1 V \begin{aligned} p(\vec w|\vec z,\vec \beta)=&\int p(\vec w|\vec z,\Phi)p(\Phi|\vec \beta)\mathrm d\Phi\\ =&\prod_{k=1}^K\int\frac{1}{\Delta(\vec\beta)}\prod_{t=1}^V\varphi_{k,t}^{n_k^{(t)}+\beta_t-1}\mathrm d\vec\varphi_k\\ =&\prod_{k=1}^K\frac{\Delta(\vec n_k+\vec\beta)}{\Delta(\vec\beta)},\vec n_k=\{n_k^{(t)}\}_{t=1}^V \end{aligned}
其次对于 M 个文档的 Dirichlet-Multinomial 共轭结构有:
p ( z α ) = p ( z Θ ) p ( Θ α ) d Θ = m = 1 M 1 Δ ( α ) k = 1 K θ m , k n m ( k ) + α k 1 d θ m = m = 1 M Δ ( n m + α ) Δ ( α ) , n m = { n m ( k ) } k = 1 K \begin{aligned} p(\vec z|\vec \alpha)=&\int p(\vec z|\Theta)p(\Theta|\vec \alpha)\mathrm d\Theta\\ =&\prod_{m=1}^M\int\frac{1}{\Delta(\vec\alpha)}\prod_{k=1}^K\theta_{m,k}^{n_m^{(k)}+\alpha_k-1}\mathrm d\vec\theta_m\\ =&\prod_{m=1}^M\frac{\Delta(\vec n_m+\vec\alpha)}{\Delta(\vec\alpha)},\vec n_m=\{n_m^{(k)}\}_{k=1}^K \end{aligned}
所以模型的联合分布为:
p ( z , w α , β ) = k = 1 K Δ ( n k + β ) Δ ( β ) m = 1 M Δ ( n m + α ) Δ ( α ) p(\vec z,\vec w|\vec\alpha,\vec\beta)=\prod_{k=1}^K\frac{\Delta(\vec n_k+\vec\beta)}{\Delta(\vec\beta)}\cdot\prod_{m=1}^M\frac{\Delta(\vec n_m+\vec\alpha)}{\Delta(\vec\alpha)}
因为 Gibbs Sampling 的要求就是根据条件分布进行采样,所以 LDA 模型的采样公式为:
p ( z i = k z ¬ i , w ) = p ( w , z ) p ( w , z ¬ i ) = p ( w z ) p ( w ¬ i z ¬ i ) p ( w i ) p ( z ) p ( z ¬ i ) ( 1 ) Δ ( n k + β ) Δ ( n k , ¬ i + β ) Δ ( n m + α ) Δ ( n m , ¬ i + α ) ( 2 ) = Γ ( n k ( t ) + β t ) Γ ( t = 1 V n k , ¬ i ( t ) + β t ) Γ ( n k , ¬ i ( t ) + β t ) ) Γ ( t = 1 V n k ( t ) + β t ) Γ ( n m ( k ) + α k ) Γ ( k = 1 K n m , ¬ i ( k ) + α k ) Γ ( n m , ¬ i ( k ) + α k ) Γ ( k = 1 K n m ( k ) + α k ) ( 3 ) = n k , ¬ i ( t ) + β t t = 1 V n k , ¬ i ( t ) + β t n m , ¬ i ( k ) + α k [ k = 1 K n m ( k ) + α k ] 1 ( 4 ) n k , ¬ i ( t ) + β t t = 1 V n k , ¬ i ( t ) + β t ( n m , ¬ i ( k ) + α k ) ( 5 ) \begin{aligned} p(z_i=k|\vec{z}_{\neg i},\vec{w})=& \frac{p(\vec{w},\vec{z})}{p(\vec{w},\vec{z}_{\neg i})}=\frac{p(\vec{w}|\vec{z})}{p(\vec{w}_{\neg i}|\vec{z}_{\neg i})p(w_i)}\cdot\frac{p(\vec{z})}{p(\vec{z}_{\neg i})} & (1)\\ \propto & \frac{\Delta(\vec{n}_k+\vec\beta)}{\Delta(\vec{n}_{k,\neg i}+\vec\beta)}\cdot \frac{\Delta(\vec{n}_m+\vec\alpha)}{\Delta(\vec{n}_{m,\neg i}+\vec\alpha)} &(2)\\ =& \frac{\Gamma(n_k^{(t)}+\beta_t)\Gamma(\sum_{t=1}^Vn_{k,\neg i}^{(t)}+\beta_t)}{\Gamma(n_{k,\neg i}^{(t)}+\beta_t))\Gamma(\sum_{t=1}^Vn_k^{(t)}+\beta_t)}\cdot\frac{\Gamma(n_m^{(k)}+\alpha_k)\Gamma(\sum_{k=1}^Kn_{m,\neg i}^{(k)}+\alpha_k)}{\Gamma(n_{m,\neg i}^{(k)}+\alpha_k)\Gamma(\sum_{k=1}^Kn_m^{(k)}+\alpha_k)}&(3)\\ =&\frac{n_{k,\neg i}^{(t)}+\beta_t}{\sum_{t=1}^Vn_{k,\neg i}^{(t)}+\beta_t}\cdot\frac{n_{m,\neg i}^{(k)}+\alpha_k}{[\sum_{k=1}^Kn_m^{(k)}+\alpha_k]-1}&(4)\\ \propto & \frac{n_{k,\neg i}^{(t)}+\beta_t}{\sum_{t=1}^Vn_{k,\neg i}^{(t)}+\beta_t}\cdot(n_{m,\neg i}^{(k)}+\alpha_k)&(5) \end{aligned}
上面的公式推导做以下五点解释:

  1. (1) 式和 (2) 式正比,是因为 p ( w i ) p(w_i) 是一个常数;由于 ¬ i \neg i 只涉及两个共轭结构,所以 (1) 式到 (2) 式约去了相同的 Δ \Delta 函数。
  2. (2) 式到 (3) 式,同样是因为 i 只与第 k 个主题和第 m 篇文档有关,将 Δ \Delta 函数展开成 Γ \Gamma 函数后,约去了相同的 Γ \Gamma 函数。
  3. (3) 式到 (4) 式利用了 Γ \Gamma 函数的性质: Γ ( x + 1 ) = x Γ ( x ) \Gamma(x+1)=x\Gamma(x) ,进行约去。
  4. (4) 式里有一个减 1,是因为把第 m 篇文档里要去掉的那个计数分离了出来。
  5. 因为第 m 篇文档的单词数是已知的,所以 (4) 式和 (5) 式是正比关系。

三、原来对 LDA 的一个疑惑,以及解答

疑问:LDA 并没有做任何词语语义方面的工作,仅仅是做一些数量上的统计,它是怎么挖掘出文档具有语义含义的主题的呢?

LDA 本质上是对词进行了聚类(依据某方面的相似度),聚的这个类就是主题。换句话说就是,按照主题给词进行了聚类。

既然没有做词语义方面的工作,那词之间的相似度是怎么确定的呢?
读完 LDA 著名的科普文章《Parameter estimation for text analysis》,它里面提到潜在主题是高阶共现的结果,即,t1 和 t2 共现,t2 和 t3 共现,表明 t1 和 t3 是一个二阶共现,以此类推。(共现,在不同上下文中共同出现。两个词越经常在不同的上下文共现,就越表示这两个词相似。)

猜你喜欢

转载自blog.csdn.net/L__ear/article/details/97042751
LDA