BERTopic — Neurális témamodellezés
A BERTopic egy neurális témamodellezési eljárás, amelyet Maarten Grootendorst vezetett be 2022-ben. Ez a BERT-alapú kontextuális beágyazásokat (embeddings) ötvözi a UMAP dimenzióredukcióval és a HDBSCAN klaszterezéssel, hogy koherens, dinamikus témákat hozzon létre, elérve magasabb témakoherenciát, mint a klasszikus témamodellek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/hu/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-beágyazásokSzövegbányászat↔ compare
- Dokumentumok klaszterezéseSzövegbányászat↔ compare
- Szöveges hangulatelemzésSzövegbányászat↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →