Sep, 2023

走近顶峰：主题建模系统工具包

PDF
TL;DR我们提出了一个主题建模系统工具包（TopMost），它与现有工具包相比，能够涵盖更广泛的主题建模场景，包括完整的周期，包括数据集预处理，模型训练，测试和评估。TopMost 具有高度协调和解耦的模块化设计，可以快速利用、公平比较和灵活扩展不同的主题模型。这有助于主题模型的研究和应用。
topic modelsneural variational inferencetopic modeling system toolkitdataset pre-processingmodel training
发现论文，激发创造
  • 动态交互主题表示

    GPTopic 是一个利用大型语言模型创建动态、交互式主题表示的软件包，为用户提供直观的聊天界面，使主题建模更加易于访问和全面。

    Mar, 2024

  • ClusTop: 一种无监督和集成的文本聚类和主题提取框架

    本文提出了一个无监督文本聚类与主题提取框架 “ClusTop”，该框架将文本聚类和主题提取整合到一个统一的框架中，并可以同时实现高质量的聚类结果和从每个聚类中提取主题。该框架包括四个组件：增强语言模型训练、降维、聚类和主题提取。

    Jan, 2023

  • 神经多模态主题建模：全面评估

    本文提出了首次系统全面评估多模式主题建模的方法，并提出了两个新的主题建模解决方案和两个新的评估指标。通过对数据集的评估，我们发现我们的模型都能生成连贯且多样化的主题。然而，一个方法优于另一个方法的程度取决于评估指标和数据集的组合，这表明未来需要进一步探索混合解决方案。值得注意的是，我们简明的人工评估与我们提出的评估指标结果一致，这不仅强化了评估指标的可信度，也突出了其在引导未来多模式主题建模研究中的潜力。

    Mar, 2024

  • TopicGPT：一种基于提示的主题建模框架

    TopicGPT 是一种基于提示的框架，利用大型语言模型 (LLMs) 在提供的文本集合中揭示潜在主题，其主题与人类分类更吻合，并且更易于解释，同时还具有高度适应性，可以在不需要重新训练模型的情况下指定约束条件和修改主题。TopicGPT 通过简化获得高质量且易于解释的主题，代表了一种引人注目的以人为中心的主题建模方法。

    Nov, 2023

  • 主题建模与深度神经网络：一项调查

    本文介绍了神经主题模型研究的最新进展和发展方向，旨在为 AI 社区中的研究人员提供一个全面的概述以促进其在这一快速发展研究领域中进行创新。

    Feb, 2021

  • 大型语言模型用于主题建模

    我们提出了 PromptTopic，一种利用大型语言模型的先进语言理解能力从句子级别提取主题并将其汇总和压缩为预定数量的主题，从而消除了手动参数调整的需求并提高了提取主题的质量。我们在三个完全不同的数据集上与最先进的基线模型进行了比较，并展示了 PromptTopic 在发现有意义的主题方面的能力。此外，定性分析展示了 PromptTopic 在多个数据集中发现相关主题的能力。

    Dec, 2023

  • TopicAdapt - 一种企业间主题自适应方法

    该论文介绍了一种神经主题模型 TopicAdapt，可以从一个相关的源语料库中适应相关主题，并在目标语料库中发现源语料库中缺失的新主题，实验结果表明，该模型在多个领域的多个数据集上表现优于现有的主题模型。

    Oct, 2023

  • 神经主题模型综述：方法、应用和挑战

    综述了神经主题模型（Neural Topic Models）的方法、应用和挑战，将当前的神经主题模型方法按网络结构进行系统分类，并介绍了在短文本和跨语言文档等多种场景中的神经主题模型应用。还讨论了基于神经主题模型构建的各种热门应用，最后指出了神经主题模型面临的挑战，以激发未来的研究。

    Jan, 2024

  • 关键词协助主题模型

    本文提出了一种关键词辅助的主题模型，通过提供一小部分关键词，可以大大提高主题模型的测量性能，该模型具有更好的可解释性和文档分类性能，并且对主题数量的敏感性较小。

    Apr, 2020

  • 超越自动化评估指标：在实践中评估主题模型在社会科学内容分析任务上的能力

    通过对话题模型进行评估，发现神经网络模型（NTMs）在实际任务中的效果优于传统模型，且自动评估指标无法提供全面的话题建模能力。

    Jan, 2024