Machine learningDeep learning / NLP / CV

Seletatav teemamodelleerimine

Seletatav teemamodelleerimine ühendab järelevalveta teemade avastamise meetodid — nagu LDA, NMF või neuraalsed variandid nagu BERTopic — interpreteeritavuse tööriistadega (tippsõnade loendid, koherentsuse skoorid, SHAP, tähelepanu kaalud), mis muudavad õpitud teemad läbipaistvaks, auditeeritavaks ja edastatavaks valdkonnaekspertidele ning sidusrühmadele väljaspool modelleerimismeeskonda.

Ava rakenduses MethodMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

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

Seletatav teemamodelleerimine

BERT-põhine klassifitsee…Seletatav BERT-põhine kl…LDA teemamudel NMF teemamudel Sentence Embeddings Teemamodelleerimine

Allikad

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

Kuidas sellele lehele viidata

ScholarGate. (2026, June 3). Explainable Topic Modeling (Interpretable Latent Topic Discovery). ScholarGate. https://scholargate.app/et/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.

BERT-põhine klassifitseerimineSüvaõpe↔ compare
Seletatav BERT-põhine klassifitseerimineSüvaõpe↔ compare
LDA teemamudelSüvaõpe↔ compare
NMF teemamudelSüvaõpe↔ compare
Sentence EmbeddingsSüvaõpe↔ compare
TeemamodelleerimineSüvaõpe↔ compare

Compare side by side →

Märkasid sellel lehel viga? Teata sellest või paku parandust →