问使用主题建模或另一种NLP方法，是否有可能为定义得更好的主题模型定义属于主题/类别的单词？

EN

在使用主题建模和考虑LDA & LSA方法时，我遇到了一个问题，然而，我发现有些主题并没有像我喜欢的那样被精确地定义。是否有可能将单词定义为主题，以帮助机器更好更容易地学习？如果没有，我可以用什么方法来解决这个问题呢？

如前所述，我尝试了LDA和LSA技术来进行主题建模，发现LDA是最准确的，其一致性评分为0.46，并重新定义了主题名称。但是，主题中的单词并不反映主题名称，这需要对模型进行调优。

我已经研究过其他的NLP解决方案，如关键字提取和命名实体关系(NER)，但不认为它们适合我的问题。

如果可能的话，我希望有两个级别的分类，其中第1级是概述，第2级是在更详细的。下面的示例是一个粗略总结的客户反馈示例：

1级

• 培训
• 沟通
• 技术
• 产品及服务
• 其他

2级

• 内部
• 外部
• 分辨率好
• 分辨率差
• 不明确反馈

理想情况下，这是我希望主题建模输出产生的格式，但不确定这是否可行？

实际上，对案文的加权进行工作是可行的。示例：

“公司提供的优秀培训”--可分为培训(1级)和决心良好(2级)。这里学到的单词是很棒的，因为它们在分类方面比其他单词更重要。

如有需要，乐意提供进一步资料。