Process / pipeline
BERTopic — การสร้างแบบจำลองหัวข้อด้วยโครงข่ายประสาทเทียม
BERTopic คือกระบวนการสร้างแบบจำลองหัวข้อด้วยโครงข่ายประสาทเทียมที่ Maarten Grootendorst นำเสนอในปี 2022 โดยเป็นการรวมกันของการฝังบริบทแบบ BERT เข้ากับการลดมิติด้วย UMAP และการจัดกลุ่มด้วย HDBSCAN เพื่อสร้างหัวข้อที่มีความสอดคล้องกันและเปลี่ยนแปลงได้ ซึ่งให้ความสอดคล้องของหัวข้อสูงกว่าแบบจำลองหัวข้อแบบดั้งเดิม
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/th/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 Embeddingsการทำเหมืองข้อความ↔ compare
- การจัดกลุ่มเอกสารการทำเหมืองข้อความ↔ compare
- การวิเคราะห์ความรู้สึกการทำเหมืองข้อความ↔ compare