BERTopic — Modelado Neuronal de Temas
BERTopic es un pipeline neuronal de modelado de temas introducido por Maarten Grootendorst en 2022. Combina incrustaciones contextuales basadas en BERT con reducción de dimensionalidad UMAP y agrupamiento HDBSCAN para producir temas coherentes y dinámicos, logrando una mayor coherencia temática que los modelos de temas clásicos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/es/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 EmbeddingsMinería de texto↔ compare
- Agrupación de documentosMinería de texto↔ compare
- Análisis de SentimientoMinería de texto↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →