BERTopic — Modelimi Neurale i Temave
BERTopic është një pipeline modelimi neurale i temave i prezantuar nga Maarten Grootendorst në vitin 2022. Ai kombinon ngulitjet kontekstuale të bazuara në BERT me reduktimin e dimensionalitetit UMAP dhe klustrimin HDBSCAN për të prodhuar tema koherente dhe dinamike, duke arritur koherencë më të lartë të temave sesa modelet klasike të temave.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/sq/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 EmbeddingsNxjerrja e tekstit↔ compare
- Grupimi i dokumenteveNxjerrja e tekstit↔ compare
- Analiza e ndjenjaveNxjerrja e tekstit↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →