TriTopic：基于三模态图的主题建模方法，结合迭代细化与原型
计算与语言
2026-02-24 v1
摘要
主题建模从大文本集合中提取潜在主题，但领先方法如BERTopic面临关键局限：随机不稳定性、词汇精度丢失（“嵌入模糊”）以及依赖单一数据视角的局限。我们提出TriTopic框架，通过融合语义嵌入、TF-IDF和元数据的三模态图来解决这些弱点。其三大核心创新驱动性能：通过Mutual kNN和Shared Nearest Neighbors实现混合图构建，消除噪声、对抗维度灾难；Consensus Leiden聚类实现可重复、稳定的分区；迭代细化通过动态质心拉拽 sharpen 嵌入。TriTopic还将“平均文档”概念替换为基于原型的主题表示，其由边界案例而非中心alone定义。在20 Newsgroups、BBC News、AG News和Arxiv等基准测试中，TriTopic在每个数据集上实现最高NMI（平均NMI 0.575 vs. BERTopic的0.513，NMF的0.416，LDA的0.299），保证100%语料覆盖，0%离群点，并作为开源PyPI库发布。
引用
@article{arxiv.2602.19079,
title = {TriTopic: Tri-Modal Graph-Based Topic Modeling with Iterative Refinement and Archetypes},
author = {Roman Egger},
journal= {arXiv preprint arXiv:2602.19079},
year = {2026}
}
备注
11 pages, 7 figures