我正在使用 text2vec 将 LDA 应用于 230k 文档，减少到大约 800 个术语。当该库使用 Gibbs 的 WarpLDA 采样算法时，是否可以使用调和平均值来近似边际似然以提及最佳主题编号？

直接引用 Griffiths 和 Steyvers 的“寻找科学主题”论文：“......我们可以通过取 p(w|z, K) 的一组值的调和平均值来近似 p(w|K) “

对不起，这是基本的，但是 WarpLDA 采样算法是否提供相同类型的样本，所以我可以使用调和平均值作为主题编号的指标？