从噪声到信号：当离群点孕育新兴话题

动态主题建模中的离群点通常被视为噪声，但我们展示其中一些可以作为新兴话题的早期信号。我们提出了新闻文档轨迹的时间分类学，定义了文档如何随时间关系于话题形成。它区分了预测性离群点，这些离群点在它们后来加入的话题之前就会出现；以及要么强化现有话题要么保持孤立的文档。通过捕获这些轨迹，分类学将弱信号检测与时间主题建模联系起来，并阐明了 individual 文章如何anticipate、initiate或在演化的簇中漂移。我们在使用来自十七个state-of-the-art语言模型的文档嵌入实现累积聚类设置中的该分类学，并在氢能经济法国新闻语料库HydroNewsFr上进行回顾性评估。模型间的一致性揭示了一小群高共识的预测性离群点，增加了这些标签的可信度。定性案例研究进一步通过具体的话题发展说明了这些轨迹。