Verschiedene Dimensionen von Verteilungen von Themen

Question

Ich möchte alle Dokumente in 10 Themen zu teilen, und es geht gut mit einem konvergierten Ergebnis mit Ausnahme der Dimensionen der Verteilungen und Kovarianz Matrix des Themas.
Warum ist die Themenverteilung ein Vektor mit 9 Dimensionen statt 10 und ihre Kovarianzmatrix ist 9 * 9 Matrix statt 10 * 10?

Ich habe library(topicmodels) und Funktion CTM(), um das Topic-Modell in Chinesisch zu implementieren.

mein Code unten:

library(rJava); 
library(Rwordseg); 
library(NLP); 
library(tm); 
library(tmcn) 
library(tm) 
library(Rwordseg) 
library(topicmodels) 

installDict("C:\\Users\\Jeffy\\OneDrive\\Workplace\\R\\Law.scel","Law"); 
installDict("C:\\Users\\Jeffy\\OneDrive\\Workplace\\R\\NationalInstitution.scel","NationalInstitution"); 
installDict("C:\\Users\\Jeffy\\OneDrive\\Workplace\\R\\Place.scel","Place"); 
installDict("C:\\Users\\Jeffy\\OneDrive\\Workplace\\R\\Psychology.scel","Psychology"); 
installDict("C:\\Users\\Jeffy\\OneDrive\\Workplace\\R\\Politics.scel","Politics"); 
listDict(); 

#read file 
d.vec <- segmentCN("samgovWithoutID.csv", returnType = "tm") 
samgov.segment <- read.table("samgovWithoutID.segment.csv", header = TRUE, fill = TRUE, stringsAsFactors = F, sep = ",",fileEncoding='utf-8') 
fix(samgov.segment) 

# create DTM(document term matrix) 
d.corpus <- Corpus(VectorSource(samgov.segment$content)) 
inspect(d.corpus[1:10]) 
d.corpus <- tm_map(d.corpus, removeWords, stopwordsCN()) 
ctrl <- list(removePunctuation = TRUE, removeNumbers= TRUE, wordLengths = c(1, Inf), stopwords = stopwordsCN(), wordLengths = c(2, Inf)) 
d.dtm <- DocumentTermMatrix(d.corpus, control = ctrl) 
inspect(d.dtm[1:10, 110:112]) 

# impletment topic models 
ctm10<-CTM(d.dtm,k=10, control=list(seed=2014012692)) 
Terms10 <- terms(ctm10, 10) 
Terms10[,1:10] 

ctm20<-CTM(d.dtm,k=20, control=list(seed=2014012692)) 
Terms20 <- terms(ctm20, 20) 
Terms20[,1:20] 

Das Ergebnis in R Studio (siehe Markierung Teil):

Hilfedokument:

Answer 1

einer Wahrscheinlichkeit Verteilung über 10 VA Lues hat 9 freie Parameter: Sobald ich Ihnen die Wahrscheinlichkeit der ersten 9 erkläre, muss die Wahrscheinlichkeit des letzten Wertes eins minus der Summe dieser Wahrscheinlichkeiten sein.

Eine 10-dimensionale logistische Normalverteilung ist äquivalent zur Abtastung eines 10-dimensionalen Vektors aus einer Gauß'schen Verteilung und dann "Quetschung" dieses Vektors durch Potenzierung und Normierung auf 1.0. Es gibt eine unendliche Anzahl von 10-dimensionalen Vektoren, die zur gleichen 10-dimensionalen Wahrscheinlichkeitsverteilung potenzieren und normalisieren - Sie müssen nur eine beliebige Konstante c zu jedem Wert hinzufügen. Der Grund dafür ist, dass der Mittelwert der Gauß-Funktion 10 freie Parameter hat, einen mehr als die eingeschränktere Verteilung.

Es gibt mehrere Möglichkeiten, die Gaußsche "identifizierbar" zu machen. Eine besteht darin, eines der Elemente des Mittelvektors auf 0,0 zu setzen. Deshalb sehen Sie eine 9-dimensionale Mittelwert- und Kovarianzmatrix: der 10. Wert ist immer 0 ohne Varianz.