用途：把文本语料转换为可测量的数据，方法选择取决于推断目标。
主要能力：
- 发现（涌现主题）：BERTopic（v0.17）使用嵌入与基于类别的 TF-IDF；经典词袋法可用 sklearn 的 LDA/NMF 或 gensim 的 LdaModel。
- 主题质量：用 gensim 的 CoherenceModel（coherence="c_v"）评估一致性，K 值应结合一致性而非仅困惑度选择。
- 测量概念表达量：使用经验证的词典/词汇表计数，并报告信度，与人工编码对照验证。
- 句向量与相似度：SentenceTransformer（v6，如 all-MiniLM-L6-v2）编码后聚类或余弦比较。
- 预测文档标签：TfidfVectorizer 配合 sklearn 分类器，报告留出集 F1 而非样本内拟合。
- 语言特征：spaCy（v3）加载 en_core_web_sm 处理词性与实体。
必要用法：BERTopic 可写 BERTopic().fit_transform(docs) 后调用 get_topic_info()、get_topic(0)，并可经 embedding_model=SentenceTransformer("all-MiniLM-L6-v2")、vectorizer_model=CountVectorizer(min_df=10) 配置；sklearn LDA 为 LatentDirichletAllocation(n_components=k).fit(CountVectorizer().fit_transform(docs))；gensim 为 LdaModel(corpus, num_topics=k, id2word=dictionary)；一致性计算为 CoherenceModel(model=lda, texts=tok, dictionary=d, coherence="c_v").get_coherence()；spaCy 为 nlp = spacy.load("en_core_web_sm"); doc = nlp(text)。
可靠性纪律：主题模型具有随机性，单次运行不算结果。需跨随机种子重复运行，跨运行对齐主题（如匈牙利匹配）并评估稳定性（top-word 重叠、RBO），报告原型解。尽可能固定 random_state（sklearn LDA 与 BERTopic 的 UMAP），但仍需报告不同种子下的稳定性。词典或主题若用作概念的测量工具，必须对人工编码做验证（精确率/召回率或相关性）。
输出模板：目标、方法及匹配理由、模型与 K 值选择、可靠性（种子数、稳定性、c_v、确定性设置）、验证（与人工编码一致性）、声称范围（限于语料/抽样）。
适用场景：语料主题建模、概念表达测量、文档嵌入聚类与比较、文本分类。
限制：不适用训练/微调 transformer（转 alterlab-transformers）、人文细读与标注（转 alterlab-digital-humanities）、方法是否适配问题的上游设计路由（转 alterlab-ssci-design-gate）、纯表格统计（转 alterlab-statistical-analysis）。脚本 scripts/text_method_router.py 与 references/text_stack.md 提供方法路由、预处理与主题可靠性流程。