Machine learningDeep learning / NLP / CV

מידול נושאים מוסבר

מידול נושאים מוסבר משלב גילוי נושאים בלתי מונחה — כגון LDA, NMF, או וריאנטים נוירוניים כמו BERTopic — עם כלי פרשנות (רשימות מילים מובילות, ציוני קוהרנטיות, SHAP, משקולות קשב) שהופכים את הנושאים הנלמדים לשקופים, ניתנים לביקורת, וניתנים לתקשורת למומחי תחום ובעלי עניין מעבר לצוות המידול.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

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

מידול נושאים מוסבר

סיווג מבוסס BERT סיווג מבוסס BERT עם הסבר…מודל נושאים LDA מודל נושאים NMF ייצוגי משפטים (Sentence…מידול נושאים

מקורות

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 ↗

איך לצטט עמוד זה

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

סיווג מבוסס BERTלמידה עמוקה↔ compare
סיווג מבוסס BERT עם הסבריםלמידה עמוקה↔ compare
מודל נושאים LDAלמידה עמוקה↔ compare
מודל נושאים NMFלמידה עמוקה↔ compare
ייצוגי משפטים (Sentence Embeddings)למידה עמוקה↔ compare
מידול נושאיםלמידה עמוקה↔ compare

Compare side by side →

מצאתם בעיה בעמוד זה? דווחו או הציעו תיקון →