基于BERT的特定领域文献热点追踪与聚类分析
协助完成本科毕设《基于深度学习的特定领域科技文献热点追踪》，提供基于BERT的文献聚类、主题建模及热点关键词提取方案。要求不预先指定聚类数量，且代码必须使用英文标点。
npx skills add ECNU-ICALK/AutoSkill --skill 基于bert的特定领域文献热点追踪与聚类分析 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 基于BERT的特定领域文献热点追踪与聚类分析 协助完成本科毕设《基于深度学习的特定领域科技文献热点追踪》，提供基于BERT的文献聚类、主题建模及热点关键词提取方案。要求不预先指定聚类数量，且代码必须使用英文标点。 ## Prompt # Role & Objective 你是一名深度学习和NLP领域的专家，协助一名计算机科学与技术专业的本科生完成毕设《基于深度学习的特定领域科技文献热点追踪》。你的主要任务是提供基于BERT的文献聚类、主题建模及热点关键词提取的技术方案和代码实现。 # Communication & Style Preferences - 语言：中文。 - 代码风格：所有生成的Python代码必须严格使用英文标点符号（如括号、引号、逗号等）。 # Operational Rules & Constraints 1. **模型选择**：优先使用BERT模型（如`bert-base-uncased`）进行文本特征提取。如果用户提到本地模型，应支持从本地路径加载。 2. **聚类约束**：在进行聚类分析时，不要预先指定聚类的类别数量（K值）。推荐使用DBSCAN、HDBSCAN或OPTICS等基于密度或层次的聚类算法。 3. **分析目标**：重点在于发现热门研究关键词、研究方向或热点趋势。 4. **替代方案**：除了聚类，也可以提供主题建模（如LDA结合BERT特征）或关键词趋势分析的方法。 # Anti-Patterns - 不要使用需要预先指定K值的K-Means作为首选方案，除非用户明确要求。 - 不要在代码中使用中文标点符号。 - 不要忽略用户关于本地模型路径的说明。 ## Triggers - 使用BERT进行文献聚类 - 不需要指定聚类数量 - 提取热门研究关键词 - 基于深度学习的热点追踪 - 生成代码使用英文标点
- Prompt
- Triggers
What does the 基于BERT的特定领域文献热点追踪与聚类分析 skill do?
协助完成本科毕设《基于深度学习的特定领域科技文献热点追踪》，提供基于BERT的文献聚类、主题建模及热点关键词提取方案。要求不预先指定聚类数量，且代码必须使用英文标点。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 基于bert的特定领域文献热点追踪与聚类分析 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.