이 논문은 이항 로지스틱 혼합 모델에서 혼합 탐지와 라벨 복구 간의 정보 격차를 연구해요. BIC와 같은 표준 likelihood 기반 기준은 두 가지 구성 요소의 존재를 감지할 수 있지만, 해당 라벨이 복구될 수 있다는 보장은 없어요.
연구 결과, 고정된 시행 횟수를 가진 이항 로지스틱 혼합 모델에서는 이 격차가 본질적이며, 혼합 구조에 대한 관측 데이터 증거와 라벨 복구를 위한 각 관측 정보는 구성 요소 분리에서 다른 로컬 순서를 가지며, 전자만 샘플 크기와 함께 누적돼요.
이 문제를 해결하기 위해 recoverability-aware BIC와 엔트로피 정규화 추정치를 제안하여, 최대 likelihood 추정치가 과도하게 분리된 구성 요소와 과도하게 집중된 posterior responsibilities를 생성하는 경향을 완화했어요.