本研究探讨了负采样在无监督主题建模中的应用，比较了多种神经主题模型的负采样策略，并验证了其在多个数据集上的有效性。结果表明，负采样显著提高了主题的一致性、多样性和文档分类的准确性。

本研究利用国家运输安全委员会的数据，通过自然语言处理技术识别航空事故叙事中的主题和语义关系。结果表明，LDA方法在主题一致性方面表现最佳，而K均值聚类揭示了事故叙事的共性与独特见解，为航空安全提供了新的洞察。

本文介绍了一种新的个性化文本到图像模型，通过少量输入图像微调预训练模型，实现高质量图像生成。研究提出了多主题生成的解决方案，利用文本嵌入和布局增强图像-文本对齐效果。同时，介绍了基于文本的图像修复技术，结合文本和示例图像进行修复，确保主题一致性和视觉质量。此外，ConsiStory方法实现了无需训练的主题一致性生成，LAR-Gen则专注于遮挡场景的修复，展现了在身份保护和文本语义一致性方面的优势。