词汇分散图

从上图可以看出，在近4,500,000词汇量的文本中，“运营”、“微博”和“电商”在近6年里的提及次数极高，中间的间隙较少，贯穿始终，它们是作家谈论最多的三个词汇/话题。像“新媒体”、“微信公众号”、“用户运营”、“社群”等词汇，在头两年的提及热度不高，但后来居上，提及量呈现逐渐上涨的趋势。

而“BI”、“CRM”在近六年内呈零星分布，提及量较少，在“产品运营&数据分析”栏目中属于冷门话题。

6.2.5 利用DTM模型（Dynamic Topic Models ）分析主题下的热点变迁

上面的分析是针对某个词汇的时间动态分析，这里笔者要分析的是某个话题随时间的变迁情况（This implements topics that change over time）。

笔者运用的模型是DTM模型 （Dynamic Topic Models ），它是“概率主题模型”家族中的一员，用于对语料库中主题演变进行建模。

它基于这样的假设：

蕴含时间因素的主题，尽管它包含的关键词会随着时间的变化而产生相应的变化，但它如构成要素不断更新换代的“忒修斯之船（The Ship of Theseus）”一般，即使同一主题下的开端和末尾中的主题词没有一个是相同的，但还是原先的主题，保留有相同的语境。（By having a time-basedelement to topics, context is preserved while key-words may change.）

首先，从“产品运营&数据分析”中“解析”出如下6个子话题，它们是“运营”、“商业模式”、“流量运营&数据分析”、“品牌营销&数据分析”、“电商运营”和“内容运营”，如下表所示：

产品运营&数据分析

笔者对Topic2，也就是“流量运营&数据分析”在2012.05~2017.07间的话题变迁情况感兴趣，于是将这6年间出现的主题词重新整合，制成下面的热力图：

热力图

上图中纵轴是主题词，横轴是年份，颜色由浅入深代表数值的由小到大。从中可以明显的看出，“流量运营&数据分析”子话题下的“数据”、“数据分析”、“运营”和“业务”在该话题中始终处于“核心地位”，保持较高且稳定的word_prob值。

而“渠道”、“游戏”、“互金”在近3年的word_prob值有了较大的提升，说明社区的作者在近期比较关注这3个主题词所代表的领域，间接表明它们在互联网中的话题热度呈现上升趋势。

6.2.6 利用ATM模型（Author-TopicModel）分析作家写作主题分布

在这个版块，笔者想了解“人人都是产品经理”上作家的写作主题，分析某些牛X作家喜欢写哪方面的文章（比如“产品运营”、“数据分析”、“新媒体运营”等）写作了啥，主题相似度的作者有哪些。

为此，笔者采用了ATM模型进行分析，注意，这不是自动取款机的缩写，而是author-topic model：

ATM模型（author-topic model）也是“概率主题模型”家族的一员，是LDA主题模型（Latent Dirichlet Allocation ）的拓展，它能对某个语料库中作者的写作主题进行分析，找出某个作家的写作主题倾向，以及找到具有同样写作倾向的作家，它是一种新颖的主题探索方式。