在使用像pLSA / LDA这样的主题模型时我有一个问题：在我们得到每个主题中每个单词的分布后，如何推断新文档的主题分布？我试过＆＃34;折叠＆＃34; Gibbs在使用LDA时进行采样，但是当看不见的文档很短时，这种方法不起作用，因为主题随机分配给文档中包含的每个单词。例如，考虑具有两个主题的模型，存在令牌w，其中p（w | z1）= 0.09并且p（w | z2）= 0.01。那么一个只包含一个单词w的文档，它的p（z | d）主要是（1.0,0）和（0,1.0）有时因为某种程度上采样过程会将w的主题分配给topic2。我们如何处理这种情况？
答案 0 :(得分：0)
我不确定你对“随机性”是什么意思，因为在应用Gibbs采样之后，主题不应该是随机的，它们应该是有意义的。也许你执行算法的次数少于必要的次数？
此外，如果您只有两个主题，概率应总和为1。 似乎合乎逻辑的是，如果对于给定的令牌 w ，对于z1和z2，概率分别为0.9和0.1，则该词的90％被分类为z1，10％被分类为z2。虽然只有 w 的文件属于极端情况，但我相信上述内容仍然有效。
我完全不了解您的问题，但也有其他方法可以近似LDA，例如变分算法。
This可能会帮助您对新实例进行推理。