ProtoTopic：基于原型网络的少样本医学主题建模
机器学习
2025-10-16 v1
摘要
主题建模是分析大量书面文档（尤其是学术论文）的有用工具。尽管提出了多种主题建模技术，但这些技术在应用于医学文本时表现不佳。这可能是由于在医疗领域某些主题可用文档数量较少所致。本文提出ProtoTopic，一种基于原型网络的主题模型，用于生成医学论文摘要的主题。原型网络是高效且可解释的模型，通过计算输入数据点与原型表示之间的距离来进行预测，在低数据或少样本学习场景中尤为有效。通过ProtoTopic，我们展示其在主题连贯性和多样性方面优于文献中使用的两种主题建模基线，证明了本模型即使在数据有限的情况下也能生成相关医学主题的能力。
引用
@article{arxiv.2510.13542,
title = {ProtoTopic: Prototypical Network for Few-Shot Medical Topic Modeling},
author = {Martin Licht and Sara Ketabi and Farzad Khalvati},
journal= {arXiv preprint arXiv:2510.13542},
year = {2025}
}