Machine learningDeep learning / NLP / CV

Topic Modeling Spiegabile

Il Topic Modeling Spiegabile (Explainable Topic Modeling) combina la scoperta di topic non supervisionata — come LDA, NMF o varianti neurali quali BERTopic — con strumenti di interpretabilità (liste di parole principali, punteggi di coerenza, SHAP, pesi di attenzione) che rendono i topic appresi trasparenti, verificabili e comunicabili a esperti di dominio e stakeholder al di là del team di modellazione.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Topic Modeling Spiegabile

Classificazione basata s…Classificazione basata s…Modello di Topic LDA Modello di Topic NMF Sentence Embeddings Topic Modeling

Fonti

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 ↗

Come citare questa pagina

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

Classificazione basata su BERTApprendimento profondo↔ compare
Classificazione basata su BERT SpiegabileApprendimento profondo↔ compare
Modello di Topic LDAApprendimento profondo↔ compare
Modello di Topic NMFApprendimento profondo↔ compare
Sentence EmbeddingsApprendimento profondo↔ compare
Topic ModelingApprendimento profondo↔ compare

Compare side by side →

Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →