跳转至

附录A：常见问题与补充信息

English | 中文

参考资料和补充信息。

完整参数参考

为避免参数定义重复和漂移，参数权威参考统一维护在：

  • advanced/hyperparameters.md（推荐）
  • api/run-pipeline.md（面向 CLI 的参考）

目录结构

./
├── ETM/
│   ├── main.py
│   ├── run_pipeline.py
│   ├── prepare_data.py
│   └── src/
├── data/
│   └── {dataset}/
│       └── {dataset}_cleaned.csv
├── result/
│   ├── 0.6B/
│   ├── 4B/
│   ├── 8B/
│   └── baseline/
└── embedding_models/

硬件要求

配置 CPU 内存 GPU CUDA 存储
最低 4核 8GB 4GB显存 11.8+ 20GB
推荐 8核 16GB 12GB显存 12.1+ 50GB SSD
高性能 16+核 32GB+ A100 40GB 12.1+ 200GB NVMe

常见问题

问：THETA有什么不同？
答：THETA使用通义千问嵌入和神经变分推理，相比LDA或ETM具有更好的语义理解能力。

问：应该使用哪个模型规模？
答：原型开发用0.6B，生产环境用4B，追求最高质量用8B。

问：最小数据集规模？
答：建议至少500篇文档，平均每篇50词以上。

问：训练时间？
答：5K文档在V100上：0.6B约25分钟，4B约50分钟。

问：需要GPU吗？
答：传统模型可使用 CPU。本地神经网络嵌入在 CPU 上可能较慢，可按需要配置兼容 GPU；桌面安装包内置 CPU 依赖。

引用

@misc{codesoul2026theta,
  author = {{CodeSoul-co}},
  title = {THETA: Local Topic Modeling and Research Analysis},
  year = {2026},
  howpublished = {GitHub repository},
  url = {https://github.com/CodeSoul-co/THETA},
  note = {Version 0.3.6}
}

联系方式