BERTopic — Нейронное моделирование тем
BERTopic — это конвейер нейронного моделирования тем, представленный Маартеном Гроотендорстом в 2022 году. Он сочетает контекстные вложения на основе BERT с понижением размерности UMAP и кластеризацией HDBSCAN для получения связных, динамических тем, достигая более высокой связности тем, чем классические модели тем.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/ru/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.
- Векторные представления BERTИнтеллектуальный анализ текста↔ compare
- Кластеризация документовИнтеллектуальный анализ текста↔ compare
- Анализ тональностиИнтеллектуальный анализ текста↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →