docs: remove emoji symbols from documentation content

Author: lixin0304

doc/DATA_FORMAT_TEMPLATE.md

@@ -4,18 +4,18 @@
 
 ---
 
-## 📋 列名规范总览
+## 列名规范总览
 
 | 用途 | 列名 | 是否必需 | 说明 |
 |------|------|---------|------|
-| **文本** | `text` | ✅ 必需 | 文档文本内容 |
+| **文本** | `text` | 必需 | 文档文本内容 |
 | **时间** | `timestamp` | DTM 必需 | 支持年份/日期/时间戳格式 |
 | **协变量** | `cov_*` | STM 必需 | 必须以 `cov_` 前缀命名 |
 | **标签** | `label` | 有监督必需 | 文档分类标签 |
 
 ---
 
-## 1️⃣ 文本列: `text`
+## 1. 文本列: `text`
 
 **必须命名为 `text`**
 
@@ -27,7 +27,7 @@ text
 
 ---
 
-## 2️⃣ 时间列: `timestamp`
+## 2. 时间列: `timestamp`
 
 **必须命名为 `timestamp`**，用于 DTM (Dynamic Topic Model) 时序分析。
 
@@ -48,15 +48,15 @@ text,timestamp
 "2022年的文档内容...",2022-03-20 10:30:00
 ```
 
-### ⚠️ 重要说明
+### 重要说明
 
 - **DTM 最终只使用年份**，不支持月/日级别的时间切片
 - 无论输入 `2026-10-17` 还是 `2026`，最终都会转换为年份 `2026`
 - 至少需要 **2 个不同的年份** 才能运行 DTM
 
 ---
 
-## 3️⃣ 协变量列: `cov_*` 前缀
+## 3. 协变量列: `cov_*` 前缀
 
 **必须以 `cov_` 前缀命名**，用于 STM (Structural Topic Model) 分析。
 
@@ -87,7 +87,7 @@ text,timestamp,cov_province,cov_category,cov_source
 
 ---
 
-## 4️⃣ 标签列: `label`
+## 4. 标签列: `label`
 
 **必须命名为 `label`**，用于有监督主题建模。
 
@@ -100,7 +100,7 @@ text,label
 
 ---
 
-## 📝 完整数据模板
+## 完整数据模板
 
 ### 模板 1: 基础主题建模 (LDA/CTM/ETM)
 
@@ -149,7 +149,7 @@ text,timestamp,cov_province,cov_category,cov_source,label
 
 ---
 
-## 🔍 系统检测输出示例
+## 系统检测输出示例
 
 运行 `prepare_data.py` 时会显示：
 
@@ -164,11 +164,11 @@ Column Auto-Detection Results (Strict Mode)
   - Covariate columns: 'cov_<name>' (e.g., cov_province, cov_category)
   - Label column: 'label'
 
-[Time Column] ✓ 'timestamp' (type: year)
+[Time Column] OK 'timestamp' (type: year)
   Sample values: [2020, 2021, 2022, 2023, 2024]
   Note: All formats will be converted to YEAR for DTM analysis
 
-[Covariate Columns] ✓ Detected 3 columns:
+[Covariate Columns] OK Detected 3 columns:
   - cov_province: 34 unique values, e.g., ['北京', '上海', '广东']
   - cov_category: 5 unique values, e.g., ['政策', '新闻', '报告']
   - cov_source: 8 unique values, e.g., ['政府网站', '媒体', '学术期刊']
@@ -177,7 +177,7 @@ Column Auto-Detection Results (Strict Mode)
 
 ---
 
-## ⚠️ 遗留列名兼容
+## 遗留列名兼容
 
 为保持向后兼容，系统仍会识别以下遗留列名，但会显示警告：
 
@@ -195,7 +195,7 @@ Column Auto-Detection Results (Strict Mode)
 
 ---
 
-## 🛠️ 数据准备命令
+## 数据准备命令
 
 ```bash
 cd THETA/src/models
@@ -212,7 +212,7 @@ python prepare_data.py --dataset my_data --model baseline
 
 ---
 
-## ✅ 数据质量检查清单
+## 数据质量检查清单
 
 - [ ] CSV 文件使用 UTF-8 编码
 - [ ] 文本列命名为 `text`

doc/appendix/hardware-requirements.md

@@ -21,9 +21,9 @@ This appendix provides detailed performance benchmarks and hardware requirements
      - 8B: 35 docs/s (**117× faster than CPU**)
 
 3. **Maximum Configurations on 24GB GPU**
-   - 0.6B: batch_size=64, seq_len=512 ✅
-   - 4B: batch_size=64, seq_len=512 ✅
-   - 8B: batch_size=64, seq_len=256 ✅ (OOM at seq_len=512)
+   - 0.6B: batch_size=64, seq_len=512 (supported)
+   - 4B: batch_size=64, seq_len=512 (supported)
+   - 8B: batch_size=64, seq_len=256 (supported; OOM at seq_len=512)
 
 4. **Recommended Production Configurations** (with 20% memory headroom)
    - 0.6B: batch_size=32, seq_len=256 (peak memory 2.2 GB)
@@ -162,19 +162,19 @@ Tight memory (<8GB)     → batch_size=8 or use gradient accumulation
 ### Recommended Configurations by GPU Memory
 
 #### 8GB GPU
-- 0.6B: batch_size=64 ✅
-- 4B: batch_size=4-8 ⚠️
-- 8B: Not recommended ❌
+- 0.6B: batch_size=64 (supported)
+- 4B: batch_size=4-8 (limited)
+- 8B: Not recommended
 
 #### 16GB GPU
-- 0.6B: batch_size=64 ✅
-- 4B: batch_size=32 ✅
-- 8B: batch_size=8 ⚠️
+- 0.6B: batch_size=64 (supported)
+- 4B: batch_size=32 (supported)
+- 8B: batch_size=8 (limited)
 
 #### 24GB GPU
-- 0.6B: batch_size=64 ✅
-- 4B: batch_size=64 ✅
-- 8B: batch_size=32 ✅
+- 0.6B: batch_size=64 (supported)
+- 4B: batch_size=64 (supported)
+- 8B: batch_size=32 (supported)
 
 ---
 

doc/appendix/hardware-requirements.zh.md

@@ -23,9 +23,9 @@
      - 8B: 35 docs/s（**117倍于 CPU**）
 
 3. **24GB GPU 可运行的最大配置**
-   - 0.6B: batch_size=64, seq_len=512 ✅
-   - 4B: batch_size=64, seq_len=512 ✅
-   - 8B: batch_size=64, seq_len=256 ✅（seq_len=512 时 OOM）
+   - 0.6B: batch_size=64, seq_len=512（支持）
+   - 4B: batch_size=64, seq_len=512（支持）
+   - 8B: batch_size=64, seq_len=256（支持；seq_len=512 时 OOM）
 
 4. **推荐生产配置**（留 20% 显存余量）
    - 0.6B: batch_size=32, seq_len=256（峰值显存 2.2 GB）
@@ -164,19 +164,19 @@
 ### 不同显存容量的推荐配置
 
 #### 8GB GPU
-- 0.6B: batch_size=64 ✅
-- 4B: batch_size=4-8 ⚠️
-- 8B: 不推荐 ❌
+- 0.6B: batch_size=64（支持）
+- 4B: batch_size=4-8（受限）
+- 8B: 不推荐
 
 #### 16GB GPU
-- 0.6B: batch_size=64 ✅
-- 4B: batch_size=32 ✅
-- 8B: batch_size=8 ⚠️
+- 0.6B: batch_size=64（支持）
+- 4B: batch_size=32（支持）
+- 8B: batch_size=8（受限）
 
 #### 24GB GPU
-- 0.6B: batch_size=64 ✅
-- 4B: batch_size=64 ✅
-- 8B: batch_size=32 ✅
+- 0.6B: batch_size=64（支持）
+- 4B: batch_size=64（支持）
+- 8B: batch_size=32（支持）
 
 ---
 

doc/architecture/script_mapping.md

@@ -352,7 +352,7 @@ def _generate_sbert_embeddings(self):
 
 ### 5.2 CTM 模型 SBERT 使用确认
 
-**结论**: ✅ **CTM 已完全使用 .env 中的 SBERT_MODEL_PATH**
+**结论**: **CTM 已完全使用 .env 中的 SBERT_MODEL_PATH**
 
 1. **旧逻辑已移除**: CTM 不再从预计算的 `sbert_embeddings.npy` 文件读取
 2. **自动生成**: 如果 workspace 中没有 SBERT 嵌入，`train_ctm()` 会自动调用 `_generate_sbert_embeddings()`

doc/user-guide/preprocessing.md

@@ -204,10 +204,10 @@ python prepare_data.py \
 Expected output:
 ```
 Checking preprocessed files for dataset: my_dataset
-✓ BOW data: ./result/0.6B/my_dataset/bow/
-✓ Embeddings: qwen_embeddings_zeroshot.npy (1024 dims)
-✓ Vocabulary: vocab.pkl (5000 words)
-✓ Document indices: doc_indices.npy
+OK BOW data: ./result/0.6B/my_dataset/bow/
+OK Embeddings: qwen_embeddings_zeroshot.npy (1024 dims)
+OK Vocabulary: vocab.pkl (5000 words)
+OK Document indices: doc_indices.npy
 All required files present.
 ```
 

doc/user-guide/preprocessing.zh.md

@@ -208,10 +208,10 @@ python prepare_data.py \
 预期输出：
 ```
 检查数据集预处理文件：my_dataset
-✓ BOW数据：./result/0.6B/my_dataset/bow/
-✓ 嵌入：qwen_embeddings_zeroshot.npy（1024维）
-✓ 词汇表：vocab.pkl（5000词）
-✓ 文档索引：doc_indices.npy
+OK BOW数据：./result/0.6B/my_dataset/bow/
+OK 嵌入：qwen_embeddings_zeroshot.npy（1024维）
+OK 词汇表：vocab.pkl（5000词）
+OK 文档索引：doc_indices.npy
 所有必需文件都存在。
 ```
 

doc/user-guide/scripts.md

@@ -61,9 +61,9 @@ bash scripts/02_clean_data.sh \
 
 | Parameter | Required | Description | Default |
 |-----------|----------|-------------|---------|
-| `--input` | ✓ | Input CSV file or directory (docx/txt) | - |
-| `--language` | ✓ (not for preview) | Data language: english, chinese, german, spanish | - |
-| `--text_column` | ✓ (CSV mode) | Name of the text column to clean | - |
+| `--input` | Yes | Input CSV file or directory (docx/txt) | - |
+| `--language` | Yes (not for preview) | Data language: english, chinese, german, spanish | - |
+| `--text_column` | Yes (CSV mode) | Name of the text column to clean | - |
 | `--label_columns` | | Comma-separated label/metadata columns to keep as-is | - |
 | `--keep_all` | | Keep ALL original columns (only text column is cleaned) | false |
 | `--preview` | | Show CSV columns and sample rows, then exit | false |
@@ -149,8 +149,8 @@ bash scripts/03_prepare_data.sh --dataset mydata \
 
 | Parameter | Required | Description | Default |
 |-----------|----------|-------------|---------|
-| `--dataset` | ✓ | Dataset name | - |
-| `--model` | ✓ | Target model: lda, hdp, stm (requires covariates), btm, nvdm, gsm, prodlda, ctm, etm, dtm, bertopic, theta | - |
+| `--dataset` | Yes | Dataset name | - |
+| `--model` | Yes | Target model: lda, hdp, stm (requires covariates), btm, nvdm, gsm, prodlda, ctm, etm, dtm, bertopic, theta | - |
 | `--model_size` | | Qwen model size (theta only): 0.6B, 4B, 8B | 0.6B |
 | `--mode` | | Embedding mode (theta only): zero_shot, unsupervised, supervised | zero_shot |
 | `--vocab_size` | | Vocabulary size | 5000 |
@@ -235,7 +235,7 @@ bash scripts/04_train_theta.sh \
 
 | Parameter | Required | Description | Default |
 |-----------|----------|-------------|---------|
-| `--dataset` | ✓ | Dataset name | - |
+| `--dataset` | Yes | Dataset name | - |
 | `--model_size` | | Qwen model size: 0.6B, 4B, 8B | 0.6B |
 | `--mode` | | Embedding mode: zero_shot, unsupervised, supervised | zero_shot |
 | `--num_topics` | | Number of topics K | 20 |
@@ -467,8 +467,8 @@ bash scripts/05_train_baseline.sh \
 
 | Parameter | Required | Description | Default |
 |-----------|----------|-------------|---------|
-| `--dataset` | ✓ | Dataset name | - |
-| `--models` | ✓ | Model list (comma-separated) | - |
+| `--dataset` | Yes | Dataset name | - |
+| `--models` | Yes | Model list (comma-separated) | - |
 | `--num_topics` | | Number of topics (ignored for hdp/bertopic) | 20 |
 | `--vocab_size` | | Vocabulary size | 5000 |
 | `--epochs` | | Training epochs (neural models) | 100 |

doc/user-guide/scripts.zh.md

@@ -61,9 +61,9 @@ bash scripts/02_clean_data.sh \
 
 | 参数 | 必需 | 描述 | 默认值 |
 |-----------|----------|-------------|---------|
-| `--input` | ✓ | 输入的 CSV 文件或目录（docx/txt） | - |
-| `--language` | ✓（预览模式不适用） | 数据语言：english, chinese, german, spanish | - |
-| `--text_column` | ✓（CSV 模式） | 需要清洗的文本列名 | - |
+| `--input` | 是 | 输入的 CSV 文件或目录（docx/txt） | - |
+| `--language` | 是（预览模式不适用） | 数据语言：english, chinese, german, spanish | - |
+| `--text_column` | 是（CSV 模式） | 需要清洗的文本列名 | - |
 | `--label_columns` | | 需要原样保留的标签/元数据列，逗号分隔 | - |
 | `--keep_all` | | 保留所有原始列（仅清洗文本列） | false |
 | `--preview` | | 显示 CSV 列和示例行后退出 | false |
@@ -149,8 +149,8 @@ bash scripts/03_prepare_data.sh --dataset mydata \
 
 | 参数 | 必需 | 描述 | 默认值 |
 |-----------|----------|-------------|---------|
-| `--dataset` | ✓ | 数据集名称 | - |
-| `--model` | ✓ | 目标模型：lda, hdp, stm（需要协变量）, btm, nvdm, gsm, prodlda, ctm, etm, dtm, bertopic, theta | - |
+| `--dataset` | 是 | 数据集名称 | - |
+| `--model` | 是 | 目标模型：lda, hdp, stm（需要协变量）, btm, nvdm, gsm, prodlda, ctm, etm, dtm, bertopic, theta | - |
 | `--model_size` | | 通义千问模型规模（仅 theta）：0.6B, 4B, 8B | 0.6B |
 | `--mode` | | 嵌入模式（仅 theta）：zero_shot, unsupervised, supervised | zero_shot |
 | `--vocab_size` | | 词汇表大小 | 5000 |
@@ -235,7 +235,7 @@ bash scripts/04_train_theta.sh \
 
 | 参数 | 必需 | 描述 | 默认值 |
 |-----------|----------|-------------|---------|
-| `--dataset` | ✓ | 数据集名称 | - |
+| `--dataset` | 是 | 数据集名称 | - |
 | `--model_size` | | 通义千问模型规模：0.6B, 4B, 8B | 0.6B |
 | `--mode` | | 嵌入模式：zero_shot, unsupervised, supervised | zero_shot |
 | `--num_topics` | | 主题数量 K | 20 |
@@ -465,8 +465,8 @@ bash scripts/05_train_baseline.sh \
 
 | 参数 | 必需 | 描述 | 默认值 |
 |-----------|----------|-------------|---------|
-| `--dataset` | ✓ | 数据集名称 | - |
-| `--models` | ✓ | 模型列表（逗号分隔） | - |
+| `--dataset` | 是 | 数据集名称 | - |
+| `--models` | 是 | 模型列表（逗号分隔） | - |
 | `--num_topics` | | 主题数量（hdp/bertopic 忽略此参数） | 20 |
 | `--vocab_size` | | 词汇表大小 | 5000 |
 | `--epochs` | | 训练轮数（神经模型） | 100 |