BERTopic — Modelització Neuronal de Temes
BERTopic és un pipeline de modelització neuronal de temes introduït per Maarten Grootendorst el 2022. Combina embeddings contextuals basats en BERT amb reducció de dimensionalitat UMAP i clustering HDBSCAN per produir temes coherents i dinàmics, aconseguint una coherència de temes superior a la dels models clàssics.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/ca/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 EmbeddingsMineria de text↔ compare
- Agrupació de documentsMineria de text↔ compare
- Anàlisi de sentimentsMineria de text↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →