Machine learningDeep learning / NLP / CV

نمذجة المواضيع التفسيرية

تجمع نمذجة المواضيع التفسيرية بين اكتشاف المواضيع غير الخاضعة للإشراف - مثل LDA و NMF أو المتغيرات العصبية مثل BERTopic - وأدوات قابلية التفسير (قوائم الكلمات العليا، درجات التماسك، SHAP، أوزان الانتباه) التي تجعل المواضيع المتعلمة شفافة وقابلة للتدقيق وقابلة للتواصل مع خبراء المجال وأصحاب المصلحة خارج فريق النمذجة.

افتح في MethodMindقريبًافيديوقريبًاDownload slides

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

Method map

The neighbourhood of related methods — select a node to explore.

المصادر

  1. Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link
  2. Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv preprint arXiv:2203.05794. link

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 3). Explainable Topic Modeling (Interpretable Latent Topic Discovery). ScholarGate. https://scholargate.app/ar/deep-learning/explainable-topic-modeling

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateExplainable Topic Modeling (Explainable Topic Modeling (Interpretable Latent Topic Discovery)). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/deep-learning/explainable-topic-modeling · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026