Determination of the Number of Topics Intrinsically: Is It Possible?

主题数量可能是主题模型最重要的参数。主题建模社区已经开发了一系列不同的程序来估计数据集中的主题数量，但现有做法尚未进行足够全面的比较。本研究试图通过对多个公开可用的语料库上应用各种方法来研究几种主题模型的表现，部分填补这一空白。进一步的分析表明，内在方法远非可靠和准确的工具。主题数量被证明是一个方法和模型相关的量，而不是特定语料库的绝对属性。我们得出结论，应该开发其他方法来解决这个问题，并提出一些有前途的进一步研究方向。

本论文旨在研究如何准确地确定数据集中主题的数量，对现有方法进行比较，并提出其他解决方法的方向。

本论文通过对多个公开数据集上的多种主题模型应用各种方法，证明内在方法并不是可靠和准确的工具。同时，本文还表明主题数量是一种依赖于方法和模型的数量，而不是特定语料库的绝对属性。

本文实验设计严谨，使用了多个公开数据集，并提供了开源代码。本文的亮点在于提出了一些有前途的解决方法的方向，值得进一步研究。

在该领域的相关研究中，有一些论文值得一提，如《Probabilistic Topic Models》、《Latent Dirichlet Allocation》等。