본 논문은 비지도 학습 영역인 토픽 모델링에서 부정적 샘플링(negative sampling) 기법의 효과를 종합적으로 분석한 연구입니다. 변분 오토인코더 기반 신경망 토픽 모델의 디코더에 다양한 부정적 샘플링 전략을 적용하여 여러 인기 있는 신경망 토픽 모델들의 성능을 비교했습니다. 실험 결과, 부정적 샘플링을 통합한 토픽 모델은 토픽 응집성 향상, 다양한 토픽 생성, 정확한 문서 분류 등 여러 측면에서 성능이 크게 향상됨을 보였으며, 수동 평가에서도 생성된 토픽의 질적 향상을 확인했습니다. 이를 통해 부정적 샘플링이 신경망 토픽 모델의 효과성을 높이는 데 유용한 도구임을 제시합니다.
