问题：我想知道从数据库中执行有效抽样的方法。数据库的大小与250K文本文档有关，在这种情况下，每个文本文档都与一些专业（电气工程、医学等）相关。到目前为止，我已经看到了一些简单的技术，例如简单随机抽样和分层抽样；但是，我认为应用它们不是一个好主意，原因如下：
例如，在简单随机样本的情况下，数据库中有一些文档涉及海军工程或艺术等专业。因此，我认为他们不太可能使用这种方法进行抽样，但我希望尽可能多地收集每个专业的样本。
在分层抽样的情况下，大多数文件都讨论了多个专业，因此我无法将数据库划分为子组，因为它们不会相互排斥，至少对于每个专业都是子组的情况。
最后，由于昂贵的计算成本处理，我无法使用整个数据库。因此，我非常感谢有关其他采样方法的任何建议。感谢您提前提供任何帮助。
在我的脑海中，我至少会考虑两种方法，如下所示。
图形采样。如果您可以（并且有意义）将您的人口（文本文档数据库）建模为图形，那么请考虑图形抽样。在Cross Validated site 上查看我关于该主题的相关答案（包含许多参考资料 - 我将从这篇不错的概述论文开始）。
主题建模。另一种选择是主题建模（也称为主题模型）。请参阅这篇介绍性论文以及关于该主题的更详细的论文。另外，看看这篇关于流文档主题建模的有趣论文（或其他情况，如大型数据库，当无监督解决方案更有意义时）。最后，谈到主题建模软件，虽然确实存在许多选项，但我建议研究MALLET，这是一个有趣的基于 Java 的软件包，用于“统计自然语言处理、文档分类、聚类、主题建模、信息提取和其他机器学习对文本的应用”。
您将需要进行简单的随机抽样，但要保持您迄今为止看到的标签的数量。当您达到标签的配额时，您需要从池中剔除所有带有该标签的文档，并从没有该标签的剩余文档中采样。
我认为当您的标签重叠时，这将是获取分层样本的一种公平方式。