เปรียบเทียบวิธี

	BERTopic	การวิเคราะห์ความรู้สึก
สาขาวิชา	การทำเหมืองข้อความ	การทำเหมืองข้อความ
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2022	—
ผู้ริเริ่ม	Maarten Grootendorst	—
ประเภท	Neural topic-modeling pipeline	NLP text-classification task
แหล่งต้นตำรับ	Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv:2203.05794.	Pang, B. & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1-2), 1-135.
ชื่อเรียกอื่น	neural topic modeling, transformer topic modeling, Konu Modelleme — BERTopic	opinion mining, polarity detection, duygu analizi
ที่เกี่ยวข้อง	3	3
สรุป	BERTopic is a neural topic-modeling pipeline introduced by Maarten Grootendorst in 2022. It combines BERT-based contextual embeddings with UMAP dimensionality reduction and HDBSCAN clustering to produce coherent, dynamic topics, achieving higher topic coherence than classic topic models.	Sentiment analysis, also called opinion mining, is a natural-language-processing task that detects the emotional tone of text — typically classifying it as positive, negative, or neutral. It turns unstructured opinion text into structured, quantifiable polarity signals using one of three families of approaches: sentiment lexicons, trained machine-learning classifiers, or pretrained transformer models.