语义成分分析：超越主题的短文本模式发现
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对现有主题建模方法在短文本分析中的局限性，提出了一种新的“语义成分分析”（SCA）技术，通过引入分解步骤，能够发现超出单一主题的多个细分语义成分。该方法在多个Twitter数据集上的评估表明，SCA在连贯性和多样性方面与最先进的方法BERTopic相当，且发现的语义成分数量至少是其两倍，噪声率接近零，具备良好的扩展性，适用于多种语言，包括较少被研究的语言。
本研究提出了一种新的“语义成分分析”（SCA）技术，有效克服了短文本分析中的主题建模局限性。SCA在多个Twitter数据集上表现优异，发现的语义成分数量是BERTopic的两倍，噪声率接近零，适用于多种语言。
