contextualized-topic-models

收录理由

主题建模通常从词频统计起步，但这个包换了一条路：它先用BERT这类上下文嵌入把文档跑一遍，再在之上拟合神经主题模型，相比传统的词袋方法，往往能产出更连贯的主题。它提供两种变体应对不同场景：CombinedTM把嵌入和词袋信息混合起来以提升主题一致性，ZeroShotTM则能对训练时从未见过的词进行主题标注，若用多语言嵌入训练，还能跨语言工作而无需额外标注数据。库内自带预处理流程、可视化辅助工具，以及一个带人工反馈的分类子模块，配套的Colab教程让第一次实验很容易上手。对于做文本数据分析、内容整理或探索性NLP研究的人来说，这是一个实用的起点，而且替换不同的嵌入模型也很方便。