BERTopic — Νευρωνική Μοντελοποίηση Θεμάτων
Το BERTopic είναι μια νευρωνική ροή εργασιών μοντελοποίησης θεμάτων που εισήχθη από τον Maarten Grootendorst το 2022. Συνδυάζει ενσωματώσεις συμφραζομένων βασισμένες σε BERT με μείωση διαστατικότητας UMAP και ομαδοποίηση HDBSCAN για την παραγωγή συνεκτικών, δυναμικών θεμάτων, επιτυγχάνοντας υψηλότερη συνοχή θεμάτων από τα κλασικά μοντέλα θεμάτων.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/el/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.
- Ενσωματώσεις BERTΕξόρυξη Κειμένου↔ compare
- Ομαδοποίηση ΕγγράφωνΕξόρυξη Κειμένου↔ compare
- Ανάλυση ΣυναισθήματοςΕξόρυξη Κειμένου↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →