BERTopic — Neuraalne teemamodelleerimine
BERTopic on Maarten Grootendorsti 2022. aastal tutvustatud neuraalne teemamodelleerimise töövoog. See ühendab BERT-põhised kontekstuaalsed manused UMAP-i dimensioonilisuse vähendamise ja HDBSCAN-i klasterdamisega, et luua sidusaid, dünaamilisi teemasid, saavutades kõrgema teema sidususe kui klassikalised teemamudelid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/et/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-i manusedTekstikaeve↔ compare
- Dokumentide klasterdamineTekstikaeve↔ compare
- SentimentanalüüsTekstikaeve↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →