本文介绍了一种无监督方法，通过学习嵌入式文档和单词向量，从未标记的文档数据集中检索出预定义主题的文档，并可用于多类文档分类，使用 Lbl2Vec 工具可方便地复制此方法。

Oct, 2022

提出了一种基于分布式语义嵌入的主题建模方法 top2vec，不需要预定义的停用词表、词干提取或词形还原等预处理，能够自动确定主题数目，有效地提取语义信息并以主题向量的形式呈现。实验结果表明，top2vec 比传统的生成模型更加优秀。

Aug, 2020

本文提出 Topic2Vec 方法，通过在语义向量空间中学习话题表示来替代概率的 LDA 表示，实验证明该方法取得了有意义的结果。

Jun, 2015

本文提出一种针对超文档的通用嵌入方法 Hyperdoc2vec，利用四个标准来保留嵌入模型所需的必要信息，并在学术论文领域中进行了超文档 2vec 和其他几种模型的系统比较。分析和实验验证了超文档 2vec 相对于其他模型在四个标准方面的优越性。

May, 2018

我们的研究旨在通过使用序列到序列（Seq2Seq）文本生成器学习文档嵌入，以减少对标签监督的依赖，并将关键短语生成任务重新形式化为基于社区的问答（cQA）中的多标签关键词生成。实证结果显示，相对于多标签关键词分类器，KeyGen2Vec 在纯度、归一化互信息（NMI）和 F1 值指标上的整体优势高达 14.7％。有趣的是，尽管在评估数据集中，通过标签监督学习嵌入的绝对优势普遍是高度正面的，但在 Yahoo！cQA 上，使用大量潜在主题标签的分类器中，KeyGen2Vec 在竞争上表现出色。

Oct, 2023

本文通过对 doc2vec 在两个任务上的实验评估，与两种基线和两种最先进的文档嵌入方法进行比较，发现使用大型外部语料库训练模型时，doc2vec 的性能表现出色，并且可以通过使用预训练的词嵌入进一步改进，同时提供了针对通用应用的超参数设置建议，并发布使用训练好的 doc2vec 模型得出文档嵌入的源代码

Jul, 2016

本研究介绍了 lda2vec 模型，它可以联合学习文档层次上主题向量的 Dirichlet 分布与密集的单词向量，并且相对于连续的密集文档表示，可以产生更稀疏、可解释的文档混合分布。

May, 2016

介绍了 Gram2Vec，一种将文档嵌入到高维空间的语法风格嵌入算法。通过提取文本中存在的语法特征的标准化相对频率，Gram2Vec 提供了固有的可解释性。使用 Gram2Vec 向量的作者到文档的映射可视化，并演示了添加或删除特征以查看哪些作者做出了某些语言选择。然后，使用作者归属作为应用程序，展示了 Gram2Vec 如何解释为什么将文档归属于某个作者，通过计算 Gram2Vec 特征向量之间的余弦相似度来计算候选文档与查询文档之间的距离。

Jun, 2024

本文提出了一个新颖的方法，使用少量人为监督来挖掘具有语义相关性的新鲜文档及其主题标签，并设计了一个多任务模型 - NewsEmbed，交替使用对比学习和多标签分类来推导通用文档编码器，在多个自然语言理解任务中实现了出色的性能表现。

Jun, 2021

本文提出了一种基于聚类词向量的文本分类方法，使用 K 均值算法构建超级词向量表征，建立特定于类别的词汇表以提高性能，在主题分类和极性分类任务中表现优异。

Jul, 2017