如今来推导一下得到变分參数更新式的过程。这一部分是在论文的附录中，为避免陷入过多细节而影响总体理解。能够在刚開始学习LDA的时候先不关注求解细节。首先要把L写成关于γ,ϕ\gamma,\phi函数。依据之前我们对L的定义：
L(γ,ϕ;α,β)=Eq[logp(θ,z,w|α,β)]−Eq[logq(θ,z)]
L(\gamma,\phi;\alpha,\beta)=E_q[logp(\theta,\mathbf
z,\mathbf w|\alpha,\beta)]-E_q[logq(\theta,\mathbf
z)]
(1)
再分别计算5个期望。能够得到例如以下式子：
(2)
上式中5个期望的计算要用到例如以下式子，这个是作者在附录中推导出来的式子： 
5个期望的计算： 
接下来分别对ϕ,γ\phi,\gamma 求偏导令导数为0，解出ϕ,γ\phi,\gamma 。
我们对(2)式中的L做简化，仅仅留下与ϕ\phi 有关的项 ： 
求偏导： 
解得： 
对于γ\gamma。相同的步骤： 
主要參考《Latent Dirichlet Allocation》
$(function () {
$('pre.prettyprint code').each(function () {
var lines = $(this).text().split('\n').length;
var $numbering = $('
$(this).addClass('has-numbering').parent().append($numbering);
for (i = 1; i ').text(i));
};
$numbering.fadeIn(1700);
});
});