论文给出结合词汇与语义的可解释BERTopic话语分析流程
资讯摘要
论文提出一种结合词汇与语义方法的混合定量话语分析框架，以规避MAXQDA、NVivo等黑箱软件带来的方法透明度问题。作者以历史政治话语为案例，用NLTK、spaCy和Sentence Transformers搭建Python流程，并迭代BERTopic建模，结合UMAP降维、HDBSCAN聚类与c-TF-IDF关键词提取，通过参数调优和多次运行提升主题连贯性与覆盖度。代码与补充材料已在GitHub公开。
要点速读
- 论文提出混合词汇与语义方法的透明QDA框架，强调三角验证、可复现与可解释
- 案例使用NLTK、spaCy、Sentence Transformers自定义Python流程，细粒度控制预处理与嵌入生成
- BERTopic流程含UMAP降维、HDBSCAN聚类和c-TF-IDF关键词提取，经参数调优与多次运行优化
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。