BERTopic — Modélisation thématique neuronale
BERTopic est un pipeline de modélisation thématique neuronale introduit par Maarten Grootendorst en 2022. Il combine des plongements contextuels basés sur BERT avec une réduction de dimensionnalité UMAP et un regroupement HDBSCAN pour produire des thèmes cohérents et dynamiques, atteignant une cohérence thématique supérieure à celle des modèles thématiques classiques.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/fr/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.
- Embeddings BERTFouille de textes↔ compare
- Le regroupement de documentsFouille de textes↔ compare
- Analyse des sentimentsFouille de textes↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →