超越LDA：面向在线社区进行定性数据分析的无监督主题建模技术比较
人机交互
2024-12-20 v1 信息检索
摘要
社交媒体是定性研究者丰富且有影响力的信息来源。尽管主题建模等计算技术有助于管理社交媒体内容的规模和多样性，但定性研究者缺乏编程技能这一事实仍是一个显著的障碍。本文我们探讨了BERTopic这种基于大型语言模型（LLM）的高级主题建模技术如何支持社交媒体的定性数据分析。我们进行了访谈和动手评估，让定性研究者比较三种建模技术（LDA、NMF和BERTopic）的主题。BERTopic被12名参与者中8名受试者偏好，因为其能够提供详细且连贯的聚类，以实现更深入的理解和可操作见解。参与者还优先考虑主题相关性、逻辑组织以及揭示数据中意外关系的能力。我们的发现强调了基于LLM的技术在支持定性分析方面的潜力。
引用
@article{arxiv.2412.14486,
title = {Moving Beyond LDA: A Comparison of Unsupervised Topic Modelling Techniques for Qualitative Data Analysis of Online Communities},
author = {Amandeep Kaur and James R. Wallace},
journal= {arXiv preprint arXiv:2412.14486},
year = {2024}
}