where, φ = document specific distri

where, φ = document specific distribution of classes given by a multivariate normal distribution, θ
= distribution of topic under each class, y = indexing of words to indicate which class generates
the corresponding topic, z = topic assignment for each word, c = {0, 1} k class membership vector,
k = total number of classes, w = observed words in a document, n = total number of words in a
document, α = Dirichlet parameters for topic prior distribution under each class, β = multinomial
parameters to represent the word distribution under topics. While this model is very similar to Latent
Dirichlet Allocation (LDA) [2] based topic model, differences include: CoL model is supervised and
LDA model is unsupervised, CoL model uses class membership which LDA model does not and so
on. A variational inference method is also presented in [59] to estimate the parameters of this CoL
model.

Kết quả (Việt) 1:

ở đâu, φ = tài liệu cụ thể phân phối của các lớp học được đưa ra bởi một phân phối chuẩn nhiều chiều, θ= phân phối của các chủ đề dưới mỗi lớp, y = lập chỉ mục các từ để chỉ ra lớp mà tạo raCác chủ đề tương ứng, z = chủ đề chuyển nhượng cho mỗi từ, c = {0, 1} k lớp thành viên vector,k = tổng số các lớp học, w = quan sát từ trong một tài liệu, n = tổng số từ trong mộttài liệu, α = Dirichlet tham số cho chủ đề trước khi phân phối dưới mỗi lớp, β = multinomialtham số để đại diện cho việc phân phối từ theo chủ đề. Trong khi mô hình này là rất tương tự như ẩnCác mô hình dựa trên chủ đề Dirichlet phân bổ (cấp LDA Cải) [2], khác biệt bao gồm: CoL mô hình được giám sát vàMô hình cấp LDA Cải là unsupervised, CoL mô hình sử dụng thành viên lớp học đó mô hình cấp LDA Cải không và như vậyngày. Một phương pháp suy luận variational cũng được trình bày trong [59] để ước tính các thông số của CoL nàyMô hình.

Kết quả (Việt) 2:

nơi, φ = tài liệu phân phối cụ thể của các lớp học được đưa ra bởi một phân phối chuẩn đa biến, θ
= phân phối của chủ đề theo từng lớp học, y = lập chỉ mục của các từ để chỉ ra các lớp học tạo ra
các chủ đề tương ứng, z = giao chủ đề cho mỗi từ, c = { 0, 1} vector thành phần của lớp k,
k = tổng số lớp học, w = quan sát từ trong một tài liệu, n = tổng số từ trong một
tài liệu, α = thông số Dirichlet để phân phối trước khi chủ đề theo từng lớp, β = đa thức
thông số đại diện phân phối từ dưới chủ đề. Trong khi mô hình này là rất tương tự như tiềm ẩn
Allocation Dirichlet (LDA) [2] mô hình dựa trên chủ đề, sự khác nhau bao gồm: mô hình col là giám sát và
mô hình LDA là không có giám sát, mô hình Col sử dụng thành phần của lớp mà mô hình LDA không và do đó
trên. Một phương pháp suy luận biến phân cũng được trình bày trong [59] để ước lượng các tham số của đại tá này
mô hình.