본 논문은 텍스트 데이터의 토픽을 식별하기 위해 사용되는 비지도 학습의 핵심 요소인 토픽 모델링에 대해 다룹니다. 특히, 끊임없이 증가하는 텍스트 데이터 스트림을 처리하기 위해, Embedded Topic Model (ETM)을 기반으로 하는 새로운 온라인 토픽 모델링 방법론인 StreamETM을 제안합니다. StreamETM은 불균형 최적 수송을 사용하여 연속적인 부분 문서 배치에서 학습된 모델을 병합하고, 온라인 변화점 탐지 알고리즘을 활용하여 텍스트 스트림의 역학에서 중요한 변화를 식별합니다. 시뮬레이션 및 실제 데이터에 대한 실험 결과, StreamETM이 경쟁 모델보다 우수한 성능을 보였습니다.
