BERTopic — Modelagem Neural de Tópicos
BERTopic é um pipeline de modelagem neural de tópicos introduzido por Maarten Grootendorst em 2022. Ele combina embeddings contextuais baseados em BERT com redução de dimensionalidade UMAP e clusterização HDBSCAN para produzir tópicos coerentes e dinâmicos, alcançando maior coerência de tópicos do que modelos de tópicos clássicos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/pt/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.
- Embeddings BERTMineração de texto↔ compare
- Agrupamento de DocumentosMineração de texto↔ compare
- Análise de SentimentoMineração de texto↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →