BERTopic 是否优于 PLSA 用于从航空安全报告中提取关键主题？
信息检索
2025-06-10 v1 计算与语言
摘要
本研究比较了 BERTopic 和概率潜在语义分析（PLSA）在从航空安全报告中提取有意义主题方面的有效性，以增强对航空事故数据中模式的理解。该研究使用了来自 2000 年至 2020 年间超过 36,000 份美国运输安全局（NTSB）报告的数据集。BERTopic 采用基于转换器的嵌入和层次聚类方法，而 PLSA 则通过期望最大化（EM）算法实现概率建模。结果表明，BERTopic 在主题连合度方面优于 PLSA，Cv 分数达到 0.41，而 PLSA 为 0.37，同时在航空安全专家验证下展现出更好的可解释性。这些发现凸显了现代基于转换器的方法在分析复杂航空数据集方面的优势，为航空安全领域的深入见解和知情决策铺平了道路。未来工作将探索混合模型、多语言数据集以及更先进的聚类技术，以进一步提高该领域的主题建模。
引用
@article{arxiv.2506.06328,
title = {Is BERTopic Better than PLSA for Extracting Key Topics in Aviation Safety Reports?},
author = {Aziida Nanyonga and Joiner Keith and Turhan Ugur and Wild Graham},
journal= {arXiv preprint arXiv:2506.06328},
year = {2025}
}