BERTopic — Neuraalinen aihemallinnus
BERTopic on neuraalinen aihemallinnusputki, jonka Maarten Grootendorst esitteli vuonna 2022. Se yhdistää BERT-pohjaiset kontekstuaaliset upotukset UMAP-dimensionpudotukseen ja HDBSCAN-klusterointiin tuottaakseen johdonmukaisia, dynaamisia aiheita, saavuttaen korkeamman aihejohdonmukaisuuden kuin klassiset aihemallit.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/fi/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-upotukset – kontekstisidonnaiset tekstiesityksetTekstinlouhinta↔ compare
- Dokumenttien klusterointiTekstinlouhinta↔ compare
- Sentiment AnalysisTekstinlouhinta↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →