该图是论文配图模板绘制的文本主题挖掘技术流程图，整体分为上方主工作流与下方补充原理示意图，还附带图形符号图例。上方主流程划分为数据处理、主题建模、可视化三大子模块。数据处理阶段从原始文本出发，依次完成数据清洗、加载自定义词库、Jieba 分词预处理，再结合停词库，之后送入 Embeddings 文档嵌入；嵌入阶段可选用 bge、snowflake、gte、mpnet、MiniLM 多款向量模型得到文档向量。主题建模模块先执行 UMAP 降维，再利用 HDBSCAN 完成聚类；经过 CountVectorizer 词向量化、c‑TF‑IDF 关键词提取，开展 Representation Fine‑tuning 主题表示优化。可视化模块顺着主题演化趋势、主题词分布、分层聚类、主题间距离图推进，借助 LLM 领域化描述，最终输出文档主题可视化结果。下方子示意图展示主题标签与文档的匹配逻辑：使用嵌入模型分别对预定义主题标签与输入文档做向量化，通过向量相似度完成文档‑主题匹配；无匹配结果时自动挖掘新主题，最后融合两套表征完成主题合并。图例标注了起止框、处理框等不同流程图符号含义，右侧罗列关键技术名词。整套图完整呈现融合预定义标签与无监督挖掘的增强型主题建模方案。无论做 NLP 主题建模方向撰写会议论文的研究生，还是研究文本聚类算法的科研人员都可以参考该绘图范式。