假设我不断地收集所有在线发布的新闻文章（只有关于每篇文章的基本信息，例如标题、内容、语言、来源（哪个新闻网站））。
假设我想将所有谈论同一事物的文章归为一组。然而 ：
- 我希望我的算法自己定义主题（与“用户告诉现有主题并且算法将每篇文章分配给主题”相反），
- 我无法知道确切的主题数量（因为显然，每次发生新事物时都必须创建一个新主题），
- 并且，当我们谈论新闻文章时，如果发生新事情并且新文章谈论它，则主题列表应该实时扩展。
为简单起见，我们假设所有文章都使用相同的语言。
到目前为止，我一直在使用 TF-IDF，因为当我对主题建模一无所知时，这是我脑海中浮现的想法，但它并不擅长它的工作。我正在研究主题建模并发现诸如潜在狄利克雷分配、相关主题模型、单词图等。我目前正在阅读有关该主题的所有内容，但我可能不知道可能适合的有趣算法我的需要。
我很感兴趣：你会采取什么方法来解决我的问题？
谢谢