Machine learningDeep learning / NLP / CV

Förklarbar ämnesmodellering

Förklarbar ämnesmodellering kombinerar oövervakad ämnesupptäckt — såsom LDA, NMF, eller neurala varianter som BERTopic — med tolkningsverktyg (toppordslistor, koherenspoäng, SHAP, uppmärksamhetsvikter) som gör de inlärda ämnena transparenta, granskningsbara och kommunicerbara till domänexperter och intressenter bortom modelleringsteamet.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

The neighbourhood of related methods — select a node to explore.

Förklarbar ämnesmodellering

BERT-baserad klassificer…Förklaringsbar BERT-base…LDA-ämnesmodell (LDA Top…NMF Ämnesmodell Meningsinbäddningar Ämnesmodellering

Källor

Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv preprint arXiv:2203.05794. link ↗

Så citerar du den här sidan

ScholarGate. (2026, June 3). Explainable Topic Modeling (Interpretable Latent Topic Discovery). ScholarGate. https://scholargate.app/sv/deep-learning/explainable-topic-modeling

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-baserad klassificeringDjupinlärning↔ compare
Förklaringsbar BERT-baserad klassificeringDjupinlärning↔ compare
LDA-ämnesmodell (LDA Topic Model)Djupinlärning↔ compare
NMF ÄmnesmodellDjupinlärning↔ compare
MeningsinbäddningarDjupinlärning↔ compare
ÄmnesmodelleringDjupinlärning↔ compare

Compare side by side →

Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →