1. Why Topic Modeling?
主题建模用于从大量文本中识别潜在语义结构。它适合回答“一个领域主要讨论什么”“主题如何演化”“不同群体关注点是否不同”等问题。
2. Classical and Neural Approaches
传统主题模型如 LDA 强调词项共现与概率分布；BERTopic 等方法结合句向量、降维和聚类，更适合处理语义表达复杂的文本材料。
3. Interpretation Matters
主题模型生成的结果不是最终答案。研究者需要根据关键词、代表文档、主题分布和理论框架对主题进行命名、归纳和解释。
4. Common Problems
- 主题过碎或过粗。
- 短文本语义不足。
- 聚类参数影响结果。
- 主题命名过度依赖主观判断。
解决这些问题需要结合参数敏感性检查、人工解释、代表文本阅读和理论约束。