Bài báo này tập trung vào mô hình biểu diễn tiềm ẩn trong không gian siêu cầu, một phương pháp hiệu quả trong việc nắm bắt tính tương đồng theo hướng của dữ liệu văn bản đa chiều. Các mô hình chủ đề mạng nơ-ron dựa trên bộ mã hóa tự động biến phân thông thường (VAE-NTM) sử dụng phân phối tiên nghiệm von Mises-Fisher để mã hóa các cấu trúc siêu cầu, nhưng chúng thường không thu được biểu diễn tiềm ẩn hiệu quả do vấn đề sụp đổ hậu nghiệm. Để giải quyết vấn đề này, trong bài báo này, chúng tôi đề xuất Bộ mã hóa tự động Wasserstein lát cắt hình cầu cho mô hình chủ đề (S2WTM), giúp căn chỉnh phân phối hậu nghiệm tổng hợp và phân phối tiên nghiệm bằng cách tận dụng khoảng cách Wasserstein lát cắt siêu cầu. Kết quả thực nghiệm cho thấy S2WTM vượt trội hơn các mô hình chủ đề hiện đại, tạo ra các chủ đề nhất quán và đa dạng hơn, đồng thời cải thiện hiệu suất của các tác vụ hạ nguồn.
