我目前正在处理非结构化数据（电子邮件、日志、错误报告和 irc 聊天）。

我希望证明预处理可以提高内容质量。

是否有可用的指标来证明这一点？即比较原始数据和预处理数据，并在数字上显示出一些质量改进。

内容质量——我的意思是，预处理的语料库比原始语料库更适合使用主题模型进行挖掘。

我知道困惑。我不想使用这个指标，因为它只评估主题模型的性能而不是语料库。我还希望在应用主题模型之前评估语料库的质量。

主题连贯性可以作为衡量语料库质量的指标吗？可以从预处理文档中生成比原始文档更连贯的主题吗？