Machine learningDeep learning / NLP / CV

Magyarázható Témamodellezés

A Magyarázható Témamodellezés (Explainable Topic Modeling) az olyan felügyelet nélküli témakeresést – mint az LDA, NMF vagy neurális változatok, például a BERTopic – olyan értelmezhetőségi eszközökkel (legfontosabb szavak listái, koherenciaszámok, SHAP, figyelem súlyok) kombinálja, amelyek átláthatóvá, auditálhatóvá és a modellező csapaton túli domain szakértők, valamint érdekelt felek számára kommunikálhatóvá teszik a tanult témákat.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

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

Magyarázható Témamodellezés

BERT-alapú osztályozás Magyarázható BERT-alapú…LDA témamodell NMF Témamodell Mondatbeágyazások Tematikus modellezés

Források

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 ↗

Hogyan hivatkozzon erre az oldalra

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

BERT-alapú osztályozásMélytanulás↔ compare
Magyarázható BERT-alapú osztályozásMélytanulás↔ compare
LDA témamodellMélytanulás↔ compare
NMF TémamodellMélytanulás↔ compare
MondatbeágyazásokMélytanulás↔ compare
Tematikus modellezésMélytanulás↔ compare

Compare side by side →

Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →