（接上）朴素 LDA 会把这三类来源压进同一个【主题】：它只看见词，不看见词背后的生产装置。为【锚点】补一层：所谓【主题】，是【词-文档矩阵】在【K】个隐变量下的低维压缩，不是概念史里的【学派】。 【流程节点链路】：【语料边界选择】 → 【分词/去停用词】 → 【词-文档矩阵】 → 【LDA 生成假设】 → 【推断参数】 → 【主题词分布】 → 【top-N 截断】 → 【人工命名】 → 【学科地图】 → 【评价/资助】。 任何一个节点移动，后面的【主题】都会变。

【细微】看一个可复现的推演：取 10,000 篇论文标题摘要，K=20，α=50/20，β=0.01。若某实验室占 18% 样本，且长期围绕【图神经网络】【节点嵌入】【异质关系】写，模型很容易给出一个 top-10 里含这些词的【主题】。这不是证明学界真的形成了共同概念，而是证明该团队在语料里形成了高频词云。删除该团队 1,800 篇文档后，若该主题 top-10 词中至少 6 个被替换，或主题词分布余弦相似度降到 0.6 以下，就说明它高度依赖单一生产单元。这个检验可以直接做，也可被推翻。

【极难发现】更隐蔽的是：【top-N 词表】会把低频但高语义的词挤掉。短文档里，【摘要模板词】【方法名】【数据集名】会获得不成比例权重；β 先验越紧，越会把稀疏词拉向先验，读者却把 top-N 当成“这个领域在说什么”。于是【频率】被误读为【重要性】，【可压缩性】被误读为【共识】。

这一段为【知识社会学】锚点服务：学术共同体不只是共享概念，更是共享发表规范、基金关键词、审稿模板和期刊文体。LDA 的“主题”更像【词频生态位】，不是【意义共同体】。

所以问题不是“LDA 有没有用”，而是：当两个研究者用不同语料边界得到不同【主题地图】，谁的地图更接近真实学科？还是说，所谓真实学科，本来就要被语料边界、词表截断和先验参数共同制造出来？