STM 结构主题模型 (Structural Topic Model)

概述

STM (Structural Topic Model) 是一种允许研究者将文档的元数据（如作者、时间、来源等协变量）直接纳入主题建模过程的统计方法。与传统的 LDA 模型不同，STM 不仅关注文档中包含哪些主题，还能量化协变量如何影响主题的流行度（Prevalence）以及协变量如何影响主题的具体内容（Content）。

核心功能

本 main.R 脚本实现了以下核心流程：

1. 数据预处理：自动进行分词、去停用词、词干提取等操作，构建文档 - 词项矩阵。
2. 模型拟合：基于光谱初始化（Spectral Initialization）算法估计主题分布，支持引入时间序列平滑项和分类变量。
3. 协变量分析：
   • 流行度回归：分析不同群体（如政党、部门）或不同时间段对特定主题关注度的差异。
   • 内容回归：分析不同群体在描述同一主题时使用的词汇差异。

适用场景

• 社会科学文献分析（如分析不同党派演讲的主题差异）。
• 舆情监控（分析时间推移下公众关注点的演变）。
• 客户反馈分析（分析不同用户群体的投诉焦点）。

依赖环境

• R 语言环境 (>= 4.0)
• 主要包：stm, tidytext, dplyr

结果展示说明

本部分描述运行 main.R 后，在 R 控制台或图形设备中预期的文字输出和逻辑反馈。

1. 控制台文本输出：主题关键词概览

• 输入操作*：

运行脚本至 labelTopics(stm_model, n = 7) 行。

• 预期输出*：

控制台将打印一个表格，列出 10 个主题（假设 K=10）中概率最高的前 7 个关键词。输出格式如下所示：

       Topic 1                          Topic 2                          Topic 3
1      health                           economy                          security
2      care                             growth                           border
3      system                           jobs                             policy
4      reform                           market                           defense
5      cost                             trade                            threat
6      insurance                        business                         national
7      access                           unemployment                     agency
FREX   [高频且具区分度词汇]             [高频且具区分度词汇]             ...

• 描述：用户可以直观地看到每个主题的核心语义簇，从而为每个主题命名（如“医疗健康”、“经济发展”、“国家安全”）。*

2. 控制台文本输出：协变量效应分析

• 输入操作*：

运行脚本至 effect(...) 相关计算部分（不绘图，仅查看返回对象摘要）。

• 预期输出*：

系统将返回关于协变量（如 group/party）对主题流行度影响的统计摘要。文字描述将类似：

Estimating effect of 'party' on Topic Prevalence...
Topic 5 (Security): 

    - Group A coefficient: 0.15 (p < 0.01) 
    - Group B coefficient: -0.12 (p < 0.01)
    - Interpretation: Group A discusses Security topics significantly more than Group B.

Topic 2 (Economy):

    - No significant difference found between groups (p > 0.05).

• 描述：文字明确指出哪些主题在不同群体间存在显著差异，以及差异的方向（正向或负向影响）。*

3. 文件生成反馈

• 输入操作*：

脚本执行完毕，运行 saveRDS 命令。

• 预期输出*：

控制台打印最终确认信息：

[1] "模型训练完成，结果已保存。"

同时在当前工作目录下生成一个名为 stm_model_result.rds 的二进制文件。

• 描述：该文件包含了完整的模型对象，用户可在未来的 R 会话中通过 readRDS() 直接加载，无需重新训练模型，即可进行进一步的可视化或导出操作。*