Bertopic技术路线图 国自然基金论文，该流程图分为数据处理、主题建模、可视化三大模块，完整呈现一套文本主题挖掘分析的技术流程。在数据处理模块，原始文本先开展数据清洗，导入自定义词库，利用 Jieba 完成分词预处理，再结合停词库做停用词过滤；处理之后的文本送入 Embeddings 文档嵌入环节，可选用 bge、snowflake、gte、mpnet、MiniLM 多种嵌入模型生成文本向量。进入主题建模模块，得到文档向量后先经由 UMAP 实施降维，再使用 HDBSCAN 算法做聚类；聚类结果经过 CountVectorizer 实现词向量化，借助 c‑TF‑IDF 完成关键词提取；之后开展 Representation Fine‑tuning 主题表示优化，输出优化后的主题结果。后续进入可视化模块，首先分析主题演化趋势，再统计主题词分布；接着执行分层聚类，绘制主题间距离图；调用 LLM 完成领域化主题描述，最终实现文档主题可视化输出。整套方案融合多种文本嵌入模型、降维聚类算法以及大语言模型，完成从原始文本预处理、无监督主题挖掘再到多维度可视化的全链路文本分析工作流，可用于中文文本的主题识别与演化分析。无论做文本挖掘方向的毕业论文学生，还是开展社科文本分析的科研人员都可以作为流程参考。