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：是的。预处理和训练都需要GPU。

引用

@article{theta2024,
  title={THETA：基于通义千问嵌入的先进主题建模},
  author={CodeSoul团队},
  year={2024},
  url={https://github.com/CodeSoul-co/THETA}
}

联系方式

文档版本：1.0.0
最后更新：2026年2月6日