BERTopic — Невронно тематично моделиране
BERTopic е невронна конвейерна линия за тематично моделиране, представена от Маартен Гротендорст през 2022 г. Тя комбинира контекстуални вграждания, базирани на BERT, с намаляване на размерността чрез UMAP и клъстериране чрез HDBSCAN, за да произведе кохерентни, динамични теми, постигайки по-висока кохерентност на темите от класическите модели за тематично моделиране.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv:2203.05794. DOI: 10.48550/arXiv.2203.05794 ↗
- McInnes, L., Healy, J. & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/bg/text-mining/topic-modeling-bertopic
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.
- BERT EmbeddingsИзвличане на текст↔ compare
- Клъстеризация на документиИзвличане на текст↔ compare
- Анализ на настроениятаИзвличане на текст↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →