본 논문은 비지도 학습 분야인 토픽 모델링에서 네거티브 샘플링 기법의 효과를 종합적으로 분석합니다. Variational Autoencoder 기반 신경망 토픽 모델의 디코더에 네거티브 샘플링 기법을 통합하여 여러 인기 있는 신경망 토픽 모델의 성능을 비교 분석합니다. 실험 결과, 네거티브 샘플링을 통합한 토픽 모델은 토픽 일관성 향상, 다양한 토픽 생성, 정확한 문서 분류 등 여러 측면에서 성능이 크게 향상됨을 보여줍니다. 수동 평가 또한 네거티브 샘플링을 포함한 신경망 토픽 모델이 생성된 토픽의 질을 향상시킨다는 것을 나타냅니다. 이는 네거티브 샘플링이 신경망 토픽 모델의 효과를 높이는 데 유용한 도구임을 강조합니다.
