ノイズからシグナルへ：外れ値が新しい話題の種になるとき

概要：
ダイナミックトピックモデリングにおける外れ値は通常ノイズとして扱われますが、中には新興トピックの早期シグナルとして機能するものがあることを示します。私たちは、ニュース文書の時間的軌道の分類学を導入し、文書が時間とともにトピック形成とどのように関連するかを定義します。これにより、後に参加するトピックを先行して現れる予期的外れ値と、既存のトピックを強化する文書、あるいは孤立したままの文書を区別します。これらの軌跡を捉えることにより、分類学は弱信号検出と時間的トピックモデリングを結びつけ、個々の記事が予期、開始、または進化するクラスター内を漂移する様子を明らかにします。私たちは、十一の最先端言語モデルからの文書埋め込みを用いた累積クラスタリング設定でこれを実装し、水素経済に関するフランス語ニュースコーパス HydroNewsFr を対象に遡及的に評価します。モデル間の一致は、予期的外れ値の小規模で高い合意のサブセットを明らかにし、これらのラベルへの信頼を高めます。定性的なケーススタディは、具体的なトピックの展開を通じてこれらの軌跡をさらに示します。