用 BERTopic(按语义把相近文本聚到一起形成主题的方法)分析一批材料:把语义相近的内容聚成若干主题,每个主题给出关键词、一个概括出来的主题名和最有代表性的原文摘录。
主题数可以固定,也可以交给程序按语料结构自行判定。除主题清单外,还会比较主题两两之间的相似度、整理出主题的层级关系,标出相似度过高、适合合并的主题,并按主题整理出一份章节提纲。原文中能识别出时间时,会给出各主题随时间的消长;对识别不到时间的文档,可以另设一个时间基准兜底。
结果不是一次定死:可以把分得过细的主题合并、把混在一起的主题拆开、删掉无关的主题,每改一次生成新的一版,之前的版本仍然保留。也可以就这批材料继续追问,回答只依据原文并附上出处。
