THETA：面向社会科学研究的低门槛高性能主题分析平台

THETA是专门面向社会科学研究的开源主题分析平台，融合LLM语义理解能力与经典主题建模方法。核心价值包括低门槛入门（新手5分钟启动）、高灵活配置（分层参数控制）、强科学标准（七项黄金指标）。支持零样本、微调、监督三种模式，集成12种基线模型对比，为社科文本挖掘提供企业级解决方案。

在社科研究中，文本主题建模是核心问题。传统模型如LDA处理大规模文本时力不从心。近年来LLM语义嵌入技术为主题建模带来新可能，THETA应运而生，旨在解决社科研究者无深厚ML背景也能高效分析的需求。

技术架构兼收并蓄：嵌入层采用阿里巴巴Qwen系列模型（0.6B/4B/8B可选，支持中英），也支持轻量SBERT；建模层实现自研生成式主题模型，同时集成12种基线模型（含LDA、HDP、STM、ETM、BERTopic等），覆盖传统统计、神经、聚类方法。

支持三种模式：零样本模式（预训练Qwen直接推断，适合探索性/小数据）；LoRA微调模式（轻量参数调整，平衡资源与性能）；监督模式（利用标注标签训练，提升准确性）。

强制执行七项黄金标准指标（主题多样性、iRBO、NPMI、C_V一致性、UMass一致性、排他性、困惑度），多维度评估避免单一指标偏差。数据格式支持多种输入（txt/csv/docx/pdf），预处理流水线自动完成清洗、分词等步骤，降低数据准备工作量。

生成丰富可视化（主题网络图、热力图、词云、雷达图等），支持中英文切换。提供模型选择决策树：未知主题数推荐HDP/BERTopic；已知则按文本长度、协变量等选择。建议不同场景模型：速度选LDA，质量选THETA+Qwen，对比研究选多模型。

支持本地（conda+Python3.10+GPU）和云端部署，提供安装脚本。性能优化建议：减小批次大小、模型尺寸。学术引用有BibTeX格式，社区支持通过邮件和GitHub，采用Apache-2.0许可证。