MATLAB实现流形正则化主题模型LapPLSI算法详解

在文本挖掘和主题建模领域，传统的pLSA（Probabilistic Latent Semantic Analysis）和LDA模型假设文档独立同分布，但现实中文档往往存在内在关联（如引用关系、相似内容或社交网络）。为了利用这些文档间的流形结构，研究者提出了Laplacian Probabilistic Latent Semantic Indexing（LapPLSI），它在标准pLSA目标上加入文档流形正则项，使相似的文档倾向于拥有相似的主题分布。今天我们来深入剖析一个高效的MATLAB实现——LapPLSI函数，它结合广义EM算法和图拉普拉斯正则化，实现了稳定的主题学习。

LapPLSI的核心思想

LapPLSI的目标函数为：

[

\mathcal{L} = \log P(\mathbf{X}) - \lambda \cdot \text{Tr}(\mathbf{P}{z|d}^T L \mathbf{P}{z|d})

]

其中：

• 第一项是标准pLSA的对数似然

• 第二项是流形正则项，L为图拉普拉斯矩阵（L = D - W），W为文档相似性矩阵

• λ控制正则强度

• Pz_d 表示主题在文档上的后验分布 P(z|d)

通过这个正则项，靠近图上的文档会被鼓励拥有相近的主题分布，从而更好地捕捉文档集合的局部几何结构。

函数输入输出概览

函数签名：