Process / pipeline
BERTopic — Nevral emnemodellering
BERTopic er en nevral emnemodelleringspipeline introdusert av Maarten Grootendorst i 2022. Den kombinerer BERT-baserte kontekstuelle embeddings med UMAP-dimensjonsreduksjon og HDBSCAN-klynging for å produsere koherente, dynamiske emner, og oppnår høyere emnekoherens enn klassiske emnemodeller.
Les hele metoden
Kun for medlemmer
Logg innLogg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/no/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 EmbeddingsTekstutvinning↔ compare
- DokumentklyngingTekstutvinning↔ compare
- SentimentanalyseTekstutvinning↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →