Page 25 - 《社会》2017年第2期

社会· ２０１７ · ２

表 ２ ： 犵 犾犪狊狊狅犿犻狓 模型对事件进行聚类的结果
事件编号 子图编号
犲１ １
犲２ １
犲３ １
犲４ １
犲５ １
犲６ １
犲７ １
犲１０ １
犲１２ １
犲８ ２
犲９ ２
犲１１ ２
犲１３ ２
犲１４ ２
（四）罚似然图模型的其他扩展
１． 分组罚似然图模型
在罚似然图模型中，当自变量中含有定类变量时，由于采用虚拟编
码的形式，每个定类变量构成一个变量组。在这种情况下，直接对模型
的每个变量施加惩罚项就不太合适，会造成一个定类变量的部分虚拟
编码变量被剔除出模型，而实际上需要保留全部虚拟编码变量组以表
示该定类变量。因此，惩罚项应加在变量组这一层次，而非单个虚拟变
量上，这样才能保证同一组的虚拟变量同进同出。有学者（ 犢狌犪狀犪狀犱
犔犻狀 ， ２００６ ）提出 了 分 组 的 罚 似然 回归 模 型，并 用 于 图 模 型 拟 合 （ 犢狌犪狀
犪狀犱犔犻狀 ， ２００７ ），弗里德曼等人（ 犉狉犻犲犱犿犪狀 ， 犲狋犪犾． ， ２０１０ ）在此基础上进
一步提出了能够改善组稀疏度的罚似然模型。
分组罚似然模型并不局限于在技术层面上处理定类数据或变量之
间的交互效应，在其他领域也有很多应用。例如，在文本语义模型中，
同义词或相近含义的词通常不会同时出现在一个句子中，从而形成一
定程度的“互斥”，通过将相近语义的词设置为同一组变量并将罚似然
加在组的层次，往往可以得到更好的拟合效果。
２． 潜变量罚似然图模型
分组罚似然模型的要求是变量的依赖关系可观测，但如果假设变
量之间存在条件依赖且变量的分组未被观测，则上述组内依赖关系变

· １ ８ ·