主讲人：金明哲，京都先端科学大学特任教授、博士生导师，吉林外国语大学人工智能学院教授。

时间：2026年10月28日18：00--19:30

地点：人工智能学院会议室（教材楼202）

主办：科研处、人工智能学院

主持人：人工智能学院院长张克亮教授

参加人：全校各相关学科专业领域的教师、研究生和本科生。

讲座人简介：

金明哲，京都先端科学大学特任教授、博士生导师，吉林外国语大学人工智能学院教授。数字与人文交叉学科领域国际知名学者，研究领域涵盖文本挖掘、语料库计量、人文文本量化分析，以及复杂网络、语言统计建模。立足AI时代学术研究发展趋势，系统构建了新时代文本分析与挖掘的完整方法论体系，阐释了传统统计分析手段与大语言模型（LLM）的互补优势和融合路径，创新性提出“文本数智科学”研究框架。在国内外期刊和学术会议发表论文170余篇，专著、百科全书50余部，主持日本文部省多项科研基金，获得日本行动计量学会林知己夫优秀奖和日本统计学会出版奖。

讲座内容简介：

讲座融合数理原理、工具实操与前沿学术案例，吸引全院各专业学生积极参与。讲座聚焦传统文本分析的技术短板，指出主成分分析等传统方法难以精准区分海量、同质化的非结构化文本。为此，课程系统讲解LDA主题模型核心知识，详细介绍词袋模型、文档-词矩阵的构建逻辑，梳理模型依托的多项分布、狄利克雷分布等概率基础，明确LDA采用词频计数的核心特点。在核心教学环节，教师阐释了LDA“文档-主题、主题-词语”的双层概率分布核心思想，解读Gibbs采样迭代求解模型的运算逻辑，并结合实操工具完成文本主题挖掘演示。针对模型应用难点，课程重点讲解最优主题数K的选取方法，强调需结合多项量化指标与人工核验综合判断，同时详解LDAvis可视化工具及参数的实用调节技巧。课程设置多项实操任务与前沿案例，依托Python工具包完成中文新闻数据集建模可视化，引入BERTopic深度语义模型，并对比多款主流主题模型的应用差异。同时结合国内外核心期刊论文，展示该技术在政务舆情、教育研究、文学研究等多领域的应用场景。课程最后强调，模型是研究工具，科研需立足研究问题，结合数据结果、文本证据反复校验。本次课程打通理论与实操壁垒，帮助学生明晰主题模型的优劣与适用场景，有效夯实了学生量化研究能力，为数字人文与社科计算领域的科研实践筑牢方法基础。