Process / pipeline
BERTopic — مدلسازی موضوعی عصبی
BERTopic یک خط لوله مدلسازی موضوعی عصبی است که توسط مارتن گروتندورست در سال ۲۰۲۲ معرفی شد. این روش، تعبیههای متنی مبتنی بر BERT را با کاهش ابعاد UMAP و خوشهبندی HDBSCAN ترکیب میکند تا موضوعات منسجم و پویا تولید کند و به انسجام موضوعی بالاتری نسبت به مدلهای موضوعی کلاسیک دست یابد.
مطالعهٔ کامل روش
ویژهٔ اعضا
ورودبرای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/fa/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 Embeddingsمتنکاوی↔ compare
- خوشهبندی اسنادمتنکاوی↔ compare
- تحلیل احساساتمتنکاوی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →