我有一系列评论，每条评论都讨论一个主题。我想弄清楚这些评论中讨论的前m个主题。另外，我以在线方式收到这些评论（即我不能一次性得到整个评论，而是我必须逐个处理这些评论）。我想到使用Word2Vec进行特征提取，然后应用一些聚类算法，如k-means（聚类将对应一个主题），然后我可以从前m个聚类（其中包含最多点数）获得答案。但问题是我不知道集群的数量，而且在任何时候，不同主题（集群）的数量都没有修复，因为新评论可能会讨论一个新主题（所以，这个问题不能通过应用具有不同k值的k均值来解决。那么，我应该使用其他一些聚类算法（如DBSCAN），在这种情况下应采用什么方法，还是应该使用完全不同的方法？
答案 0 :(得分：1)
为什么你不能尝试一些简单的LDA并从大量的主题开始然后缩小它？ https://radimrehurek.com/gensim/models/ldamodel.html
在类似的说明中，您可以查看sense2vec，他们使用reddit注释来构建主题模型https://explosion.ai/blog/sense2vec-with-spacy