我也为这个参数和误导性的帮助文本而苦恼。
因此，我只是简单地测试了一下，比较了不同的日志输出，最终搜索了源代码并打开了PR，它给我带来了以下问题的答案：
学习了哪些参数？ alpha 和 beta 是同时学习的还是只学习其中之一？如果是，是哪一个？
这取决于。使用default settings，不会学习任何参数，因为--optimize-interval 为 0。这意味着 alpha（⚠️ 实际上是所有 alpha 先验的总和）保持不变，即 alpha_k = 5.0 / num-topics。 Beta 默认为 0.01。
因此，alpha 和 beta 都是对称的 Dirichlet 先验。
（尽管 alpha 参数已正确记录，但当您习惯使用 gensim 指定 alpha 而不是 alphaSum 时，它仍然会产生误导。）
如果您为参数 --optimize-interval 提供大于 0 的值（以及注意 --num-iterations（默认值：1000）和 --optimize-burn-in（默认值：200）），则启用超参数优化阿尔法和贝塔。
因此，alpha 和 beta 都是从数据中学习到的优化 Dirichlet 先验。
但是，alpha 是作为不对称先验学习的，而 beta 始终是对称先验（即使 concentration parameter 已优化）。
如果您还设置了--use-symmetric-alpha True，则不仅优化了beta，还优化了alpha，但是您最终会得到一个对称的alpha先验（通过参数--alpha传递的初始值）和一个a根据--beta 传递的初始对称先验从数据中学习的对称 beta 先验。等等，什么！？不意味着超参数优化alpha 学习不对称先验？不是这种情况。最初通过的对称先验，准确地说是concentration parameter，还可以进一步优化以更好地拟合数据。
--use-symmetric-alpha 函数背后的原理是什么？
说实话，我不知道。我只观察到上述行为。
也许对于某些数据集，优化但仍然对称的alpha 先验可能更有意义，尽管Wallach et al. 不建议这样做
我之前错误地假设如果设置了--optimize-interval，则为 beta 学习了不对称先验。如here所示，情况并非如此。
mallet 中的帮助说：“...只优化浓度
文档主题分布的先验参数...”。但是
文档主题分布的先验是 alpha，不是吗？
你是对的。 Alpha 是文档-主题分布的先验，而 Beta 是主题-词分布的先验。
所以命令应该在帮助之后命名为--use-symmetric-beta。还是只是帮助文本中有错误？
确实是帮助文本中的mistake。
帮助文本也不包含错误，命令名称也不应更改。如果没有更多关于 Dirichlet 分布的背景知识，很难理解这个选项究竟做了什么。
对于出现同样误解的相关问题，我推荐以下slides by H. Wallach 或this excellent explanation。
不存在的选项 --use-symmetric-beta 未实现，因为 beta 在 Mallet 中始终是对称的！
此外，据我了解的文献（参见例如 Wallach et al. (2009): Rethinking LDA: Why Priors Matter）不对称先验仅对文档主题分布有利，对主题词没有任何好处分配。 Alpha 是文档主题分布的 Dirichlet 先验。接下来我不明白--use-symmetric-alpha函数的意义。
我完全同意你的看法。参数--use-symmetric-beta 会更有意义（根据我的有限理解）。
Wallach et al. 声明主题词分布的不对称先验没有提供真正的好处。
这正是 Mallet 只使用对称 beta 先验的原因。
尽管如此，如果 --optimize-interval 大于 0，β Dirichlet 之前的，更准确地说是 concentration parameter，将进一步 optimized。
Wallach et al. 回答为什么应该使用非对称 alpha 先验而不是对称先验的问题。
此外，帮助文本解释了使用--use-symmetric-alpha的后果如下：
这可能会减少非常小的、估计不佳的主题的数量，但可能会将常用词分散到多个主题中。
经验教训：
你不能（总是）相信帮助文本。它们可能具有误导性或假设某些背景知识会导致误解。如果您无法理解文档，请搜索代码。
源代码从不撒谎。