BERTopic 主题聚类

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。

完成后可在报告页追问

任务完成后可在报告页对这批材料追问,回答只依据这次任务的原文和分析汇总并附出处;每个任务前 3 次免费,之后每次 1 算力。

加载文件上传组件中...

只有在文档原文中找不到任何绝对时间时,本基准才会作为兜底使用。

分词工具碰到不认识的新词常会拆开,比如把“乡村振兴”拆成“乡村”和“振兴”。仅支持中文文本。每 10,000 个中文字 5 点。

自动发现会先评估语料的主结构与细分结构,再按上方预设选择更稳妥或更细致的主题数。

自动发现 · 平衡
300

在主结构与细分主题间折中

自定义参数

请先在上方选择【自定义参数】预设以启用此处的参数调整

产生平衡、自然的主题边界,适合大多数场景

15
5
0.1
1
10
自动
0
1-2
1
推荐范围: 1-50 (数值越大主题越聚焦)
10000
推荐范围: 5,000-20,000
0.1

每 10,000 个字符 5 点

BERTopic 主题聚类常见问题

主题分得太细或混在一起怎么办?
可以把过细的主题合并、把混在一起的主题拆开、删掉无关主题,每改一次生成新的一版,之前的版本仍然保留。
能看主题随时间的变化吗?
原文里能识别出时间时,报告给出各主题随时间的消长;识别不到时间的文档可以另设一个时间基准兜底。
BERTopic 需要自己定主题数吗?
可以固定,也可以交给程序按语料结构自行判定。
BERTopic 主题聚类怎么用?
不用安装软件,也不用写代码。
BERTopic 主题聚类怎么计费?
按文字量计费,每满 10000 字 5 点,不足 10000 字按 5 点算。提交前页面会显示本次消耗。
结果可以写进论文吗?
可以。报告里的数字和图表附有统计口径与原文出处,末尾有方法说明,涉及统计模型的报告还列出参考文献,可以作为论文附件或方法依据。
相关工具
  • 高级LDA主题模型对每个文件分别做 LDA 主题建模,输出主题词、主题标签和每段文本的主题归属。
  • 经典LDA主题建模把多份材料合并成同一批文档训练经典 LDA,输出主题词、文档主题分布与困惑度、一致性。
  • LDA主题数评估在设定的主题数范围内逐档拟合 LDA,按困惑度和主题一致性等指标给出建议的主题数。
  • LSA 潜在语义分析把材料切段后提取少数潜在主题,给出主题词、每段的主导主题和方差贡献。
  • 高级文本聚类按相似度把材料聚成主题簇,给出每簇的关键词、簇名、占比与代表片段。
  • PCA 主成分分析把文本切成片段作为样本,按词语取值做主成分分析,输出方差解释、词语载荷与片段得分。