众所周知，LDA主题建模从数据中学习两个概率矩阵，一个是关于P（w | z）值的akx V矩阵，另一个是关于P（z | d）的D xk矩阵，其中k是主题的数量，V是词汇量大小，D是培训文档的大小。
在阅读former question之后，我了解到论文中提到的方法都非常困难。然而，像朴素贝叶斯这样的独立假设下的简单方法可以如下快速推导出来，并且概率在训练后都是已知的。
p（zi | w1，...，wn）αp（w1，...，wn | zi）* p（zi）=（Πp（wj | zi））* p（zi）为1 ＆lt; = i＆lt; = k ---（1）
p（zi）αΣp（zi | dj）对于1 <= j <= D（假设所有p（dj）相等）---（2）
（a）中。在这个推导中是否存在一些错误或有问题的假设？
（b）中。互联网上是否有任何论文讨论了类似这样的简单方法的性能，与基于重要性抽样，从左到右估算等的其他严格方法相比？