我有一些很长的文档。他们的总体主题相当标准，但每个文档都会以不同的方式强调主题，并且在这些主题中它们将有不同的子主题
我想确定 1. 每个文档中每个主题的重要性/概率（即文档 1 比文档 2 更强调主题 3）和 2. 每个主题的子主题及其概率。 我主要看到 bertopic 和 top2vec 用于短文本，如推文。
对于很长的文档来说，它们是合适的策略吗？对于很长的文档有更好的策略吗？
并且，在您尝试各种技术并观察它们在哪里有效或无效，并更好地了解您希望但缺乏什么之后，
然后您将能够提出更详细的问题，这些问题可以产生更好的洞察力。 大多数主题建模选项将按文档提供每个主题的相对分数。所以，是的，您将了解哪些文档与某些主题相对更相关。
许多方法不一定创建其他更高级别主题的分层“子主题”，因此如果这是一个要求，可能需要额外的努力/步骤。
如果您的文档特别长，您可能会发现将它们拆分为子文档很有用，这样您就可以获得对文档的全部多样性更加敏感的主题分析，并且可以指出主题所在的特定位置。理想情况下，这种拆分可以与文档自己的部分/章节相匹配 - 但即使是纯粹的机械拆分也可以帮助您检测/描述主题中比完整大文档分析所揭示的更精细的变化。