BERTopic — Нейронне моделювання тем
BERTopic — це конвеєр нейронного моделювання тем, представлений Маартеном Гротендорстом у 2022 році. Він поєднує контекстні вбудовування на основі BERT з редукцією розмірності UMAP та кластеризацією HDBSCAN для отримання зв'язних, динамічних тем, досягаючи вищої когерентності тем, ніж класичні моделі тем.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). BERTopic — Neural Topic Modeling. ScholarGate. https://scholargate.app/uk/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 EmbeddingsІнтелектуальний аналіз тексту↔ compare
- Кластеризація документівІнтелектуальний аналіз тексту↔ compare
- Сентимент-аналізІнтелектуальний аналіз тексту↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →