Experiments on Generalizability of BERTopic on Multi-Domain Short Text

作者
Muriël de Groot,Mohammad Aliannejadi,M. Haas
出处
期刊:Cornell University - arXiv [Cornell University]
被引量:12
标识
DOI:10.48550/arxiv.2212.08459
摘要

Topic modeling is widely used for analytically evaluating large collections of textual data. One of the most popular topic techniques is Latent Dirichlet Allocation (LDA), which is flexible and adaptive, but not optimal for e.g. short texts from various domains. We explore how the state-of-the-art BERTopic algorithm performs on short multi-domain text and find that it generalizes better than LDA in terms of topic coherence and diversity. We further analyze the performance of the HDBSCAN clustering algorithm utilized by BERTopic and find that it classifies a majority of the documents as outliers. This crucial, yet overseen problem excludes too many documents from further analysis. When we replace HDBSCAN with k-Means, we achieve similar performance, but without outliers.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
霡霂完成签到,获得积分10
1秒前
爱吃糖发布了新的文献求助10
1秒前
colin_wht发布了新的文献求助10
3秒前
Cici完成签到,获得积分10
4秒前
azure发布了新的文献求助10
4秒前
111完成签到 ,获得积分10
5秒前
aabsd完成签到,获得积分10
6秒前
ssxxx完成签到,获得积分10
6秒前
孤独的根号三完成签到 ,获得积分10
7秒前
久睡成瘾完成签到,获得积分10
8秒前
朱莉完成签到,获得积分10
8秒前
111关注了科研通微信公众号
9秒前
labor完成签到,获得积分10
9秒前
10秒前
10秒前
CodeCraft的应助被Attendre采纳,获得10
10秒前
简单的银耳汤完成签到,获得积分10
11秒前
13秒前
mousfy完成签到 ,获得积分10
13秒前
冷艳的冰旋完成签到,获得积分10
13秒前
可爱的函函的应助被毛毛采纳,获得10
14秒前
任性背包完成签到,获得积分10
16秒前
17秒前
安安发布了新的文献求助10
17秒前
17秒前
222222发布了新的文献求助10
18秒前
科目三的应助被Attendre采纳,获得10
19秒前
pyrene完成签到 ,获得积分10
20秒前
冷傲的大船的应助被Allergy采纳,获得10
20秒前
ooouiia完成签到 ,获得积分10
20秒前
包凡之完成签到,获得积分10
20秒前
21秒前
21秒前
21秒前
CipherSage的应助被colin_wht采纳,获得10
22秒前
大模型的应助被王佳佳采纳,获得10
23秒前
兮兮完成签到,获得积分10
23秒前
23秒前
Hello的应助被安安采纳,获得10
24秒前
yinguo完成签到,获得积分10
25秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Energie-Contracting 1500
Klimaschutzrecht durch den Energiesektor im Mehrebenensystem – Ein Rechtsvergleich 1000
Oncology Clinical Trials: Successful Design, Conduct, and Analysis, Second Edition 800
Comprehensive Heterocyclic Chemistry IV 400
Qualitative Methodologies in Tourism Studies: Disrupting and Co-creating Critical Research 350
Représentation chimique de la structure des kérogènes et des asphaltènes en fonction de leur origine et de leur degré d'évolution 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8051248
求助须知:如何正确求助?哪些是违规求助? 9479285
关于积分的说明 21297798
捐赠科研通 7619437
什么是DOI,文献DOI怎么找? 3393447
关于科研通互助平台的介绍 2524755
邀请新用户注册赠送积分活动 2431448