本文介绍了神经主题模型的最新进展，包括利用语言模型和嵌入技术提升主题模型的可解释性和适用性。研究了BERTopic和LI-NTM等模型的性能，并提出了图向话题（G2T）框架，展示了其在主题建模中的优势。此外，探讨了生成模型在零样本情况下的文本生成能力及其局限性。

本文介绍了标签索引神经主题模型（LI-NTM），这是首个有效的上游半监督神经主题模型，表现优于现有模型。同时，研究提出了基于主题引导的变分自编码器（TGVAE）和嵌入式主题模型（ETM），在文本生成和主题发现方面取得了显著成果。