Process / pipeline
BERTopic — ニューラル・トピック・モデリング
BERTopicは、Maarten Grootendorstによって2022年に発表されたニューラル・トピック・モデリング・パイプラインです。BERTベースの文脈埋め込みとUMAP次元削減、HDBSCANクラスタリングを組み合わせることで、首尾一貫した動的なトピックを生成し、従来のトピックモデルよりも高いトピックコヒーレンスを達成します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →