银行领域主题建模方法比较

主题建模是自动提取主题的重要任务，广泛应用于情感分析和推荐系统等众多应用场景，对于服务行业而言，它们至关重要，用于监控客户讨论。潜在Dirichlet分配（LDA）等传统方法在主题发现方面表现出色，但由于数据稀疏性和无法建模文档中词语顺序，这些方法在结果一致性方面存在不足。因此，本研究提出在BERTopic架构中采用核主成分分析（KernelPCA）和K-means聚类。我们使用来自尼日利亚银行客户推文的数据构建了新数据集，并用于比较主题建模方法。我们的发现表明，KernelPCA和K-means在BERTopic架构中生成的主题具有较好的一致性，一致性得分为0.8463。