超级会员免费看
BERTopic 是一种结合了预训练语言模型和降维技术的主题建模方法，通过嵌入、降维、聚类等步骤实现主题的发现。本文介绍了其基本原理，包括文档嵌入、降维（默认使用UMAP）、基于密度的聚类（HDBSCAN）以及词袋表示和主题表示的构建，旨在帮助读者理解如何利用 BERTopic 进行主题建模。
本系列包含：
一种基于深度学习的主题建模方法：BERTopic（理论篇）
在我的博客中已经写了很多关于 主题建模 的内容，当你准备了解 BERTopic 时，默认你已经知道了 LSA、pLSA、NFM、LDA 等传统的主题建模方法。关于主题建模的前置知识我在这里不做赘述，感兴趣的同学可以看看我前几篇博客。学习 BERTopic 需要一定的机器学习基础，让我们一起开始吧！
1.总体概述
利用 BERTopic 进行主题建模可按照以下五个步骤进行：嵌入（Embeddings）、降维（Dimensionality Reduction）、聚类（Clustering）、分词（Tokenizer）、加权（Weighting scheme）。
订阅专栏 解锁全文
628
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
