主题
LDA 主题
曾经的自动化主题分析主流方法。 只有在文本相对较长、且不得不的情况下才建议考虑。 如果只是分析短评论文本，建议看 BERTopic。
什么时候才该用 LDA
官方口径很明确，这里再展开一下为什么：
LDA 建立在词袋假设上——它只看词出现了没有、出现多少次，不理解词序与语义。 这对短文本是致命的：一条 20 字的评论能提供的信息太少，统计不稳定。
| 判断 | 选择 |
|---|---|
| 文本是评论、微博、标题、开放题（几十字） | ❌ 不要用 LDA，用 BERTopic |
| 文本是论文、报告、长篇讲话（几百字以上） | ✅ LDA 可用，且计算更快 |
| 已有研究传统沿用 LDA，需与文献口径对齐 | ✅ 用 LDA |
| 没有特殊理由 | ✅ 用 BERTopic |
操作步骤
| 步骤 | 要做什么 | 产出 |
|---|---|---|
| 1. 数据上传 | 上传语料 | 语料 |
| 2. 词表设置 | 确认停用词、自定义词、同义词 | 词表配置 |
| 3. 主题数选择 | 用困惑度 / 一致性指标确定最佳主题数（支持 AI 推荐） | 主题数 + 评估曲线 |
| 4. LDA 训练 | 按选定主题数训练模型 | 主题词分布 + 文档-主题矩阵 |
| 5. 主题名称调整 | 给主题命名（支持 AI 辅助） | 带名称的主题表 |
| 6. AI 解读 | 生成方法介绍与结果解读 | 可写入论文的段落 |
第 3 步是 LDA 特有的
BERTopic 自动确定主题数，LDA 需要人工指定。所以第 3 步不是走过场—— 主题数选错，后面所有结果都偏。困惑度/一致性曲线的拐点通常是最佳位置， AI 推荐可以给出建议值，但需要结合研究问题判断（是否要拆到能对应你的研究维度）。
结果说明
| 结果 | 说明 |
|---|---|
| 核心主题信息表 | 主题编号、关键词、文档数 |
| 文档-主题分布表 | 每篇文档在各主题上的概率分布 |
| 主题气泡图 | 主题的规模与话题分布 |
| 时间维度统计图表 | 主题随时间的消长 |
相比 BERTopic，LDA 的可视化较简洁——这也反映了它的定位： 要的是主题结构本身，而不是丰富的可视化呈现。
主题数怎么定
| 方法 | 说明 |
|---|---|
| 困惑度 | 衡量模型对数据的拟合程度，越低越好，但会随主题数增加持续下降，需看拐点 |
| 一致性（Coherence） | 衡量主题内词语的语义连贯度，通常比困惑度更可靠，取峰值 |
实务建议：两种指标一起看，取两者都较优的位置；再对照研究问题—— 如果研究框架里有 5 个维度，拆出 5–8 个主题通常比拆出 20 个更好解释。
计费方式
| 步骤 | 计费 |
|---|---|
| 上传、词表设置 | 免费 |
| 主题数选择（含评估与 AI 推荐） | 按文本字符数阶梯计费 |
| LDA 训练 | 按文本字符数阶梯计费（单价低于 BERTopic 训练） |
| 主题命名 | 按次固定积分 |
| AI 解读 | 按次固定积分 |
具体积分以产品内价目表为准。
相关流程
- BERTopic 主题 —— 短文本的推荐方案
- 分维度情感分析 —— 用 LDA 划分维度
- 主题分析总览 —— 两者的选择依据