# RPG

**Repository Path**: ye_sheng0839/RPG

## Basic Information

- **Project Name**: RPG
- **Description**: 基于BERTopic模型的主题演化分析
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-02
- **Last Updated**: 2025-12-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Nlp, AI

## README

# RPG--Research Pathways of Growth
基于BERTopic模型的主题演化分析，通过自然语言处理和机器学习技术，实现从多源文档中提取主题、分析主题演化关系，并生成可视化图谱。

## ✨ 功能特性

- **多格式支持**：自动解析 PDF/DOCX/Markdown 文档
- **智能处理**：
  - 基于 BERTopic 的主题建模
  - Word2Vec 词向量语义分析
  - 主题强度演化追踪
- **可视化呈现**：
  - 桑基图展示主题流向
  - 主题强度演化折线图
  - 主题共现网络分析
- **自动化流程**：从数据清洗到可视化的一站式解决方案

## 📦 安装指南


# 安装依赖
```bash
pip install -r requirements.txt
```

## 🚀 快速开始

1. **准备数据**：
   - 将文档按年份命名（如`2001_xxx.pdf`）放入`./demo_files/data_year`目录

2. **配置环境变量**：
   ```bash
   cp .env.example .env
   ```
   根据你的需求修改参数值（所有参数说明均在 `.env.example` 中以注释形式给出）

3. **运行完整流程**：
```bash
python full_demo.py
```

## 📂 项目结构

```
项目根目录
├── RPG
├── full_demo.py
├── demo_files
    ├── data_year/          # 存放原始文档（PDF/DOCX/MD）
    ├── stage_data/         # 自动生成的阶段数据
    ├── saved_models/       # BERTopic模型存储
    ├── similarity/         # 相似度矩阵
    ├── topics_results/     # 主题词结果
    └── self_model/         # Word2Vec模型存储
```

## 📊 示例输出

![桑基图示例](./public/sankey_example.png)
![主题强度演化](./public/topic_grow.png)


## 🤝 贡献指南

欢迎通过 Issue 或 PR 参与贡献，请确保：
1. 遵循现有代码风格
2. 更新相关文档
3. 通过基础测试