BERTopic — Modellazione Neurale di Argomenti
BERTopic è una pipeline neurale per la modellazione di argomenti introdotta da Maarten Grootendorst nel 2022. Combina embedding contestuali basati su BERT con la riduzione della dimensionalità UMAP e il clustering HDBSCAN per produrre argomenti coerenti e dinamici, raggiungendo una coerenza degli argomenti superiore ai modelli di argomenti classici.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/it/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 EmbeddingsText mining↔ compare
- Clustering di documentiText mining↔ compare
- Analisi del SentimentoText mining↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →