基于嵌入空间的主题建模（ETM）

简介：
ETM是一种先进的主题模型，它通过学习文本数据的嵌入表示来捕捉语义信息，有效提升了主题识别的质量和效率。 电子取款机是Adji B. Dieng、Francisco JR Ruiz以及David M. Blei在论文“嵌入空间中的主题建模”中提到的代码实现。（该论文可以在Arxiv上找到）ETM在同一嵌入空间内定义了单词和主题。在ETM框架下，词汇的概率分布是分类形式，其自然参数由特定词与指定主题之间点积决定。作为文档模型，ETM可以学习出可解释的主题以及词向量，并且对于包含稀有词汇及停用词的大规模词汇表具有较好的鲁棒性。 所有数据集经过了预处理，在文件夹“scripts”中存放着用于给定ETM数据集进行预处理的所有脚本。以20NewsGroup为例，其对应的预处理脚本是独立的，并且使用的是scikit-learn库。