BERTopic

收录理由

面对海量文本，逐篇阅读并归纳主题既耗时又容易遗漏关键线索。BERTopic 提供了一条更省力的路径：先用 Transformer 模型将文档转换为向量表示，再对这些向量做聚类，最后用最能区分每个簇的词汇为簇打上标签。这样得到的不是冷冰冰的簇编号，而是可读性很强的主题描述，一眼就能看出文本在讨论什么。它的流程是模块化的，实际使用中很灵活——你可以替换自己的嵌入模型，调整聚类算法，甚至在打标签阶段接入大语言模型，让主题名称和摘要更丰富。此外，它支持多种分析模式：有引导式、监督式和半监督式，也有层次化、动态和在线增量版本，能够追踪主题随时间的变化。对于需要做文本探索、内容整理，或者观察讨论话题走向的团队来说，这是一个很实用的起点。