NLP – Topic Modeling Supervisé avec BERTopic (Python)

Machine learning. Data science. NLP (natural language processing). Text mining. Le « topic modeling » (modélisation de sujets) en NLP consiste à dégager des « topics » (thématiques) à partir d’un corpus de documents. Il s’agit d’un procédé nativement non-supervisé. Le package « BERTopic » introduit un concept peu usuel avec l’introduction de la classe d’appartenance des documents - lorsqu’elle est disponible - dans le processus. Il peut produire directement une caractérisation des documents regroupés selon leur classe d’appartenance ; il peut également s’appuyer sur un algorithme supervisé (une régression logistique Ridge dans notre tutoriel) pour donner un éclairage sur le processus de désignation des classes. Nous observons dans notre expérimentation que les subtilités entre les résultats permettent d’enrichir l’exploration des corpus de documents étiquetés. BERTopic (non-supervisé) :    • NLP - Topic Modeling sous Python avec « BE...   Site web BERTopic : https://bertopic.com/ Notebook et données : https://tutoriels-data-science.blogsp... 00:00 Topic Modeling - Corpus étiqueté 04:47 Corpus Ohsumed (domaine médical) - 23 catégories 06:26 Conversion en problème binaire (eye vs. cardio) 07:43 Démarrage du notebook - Importation du corpus 08:19 Termes fréquents globalement 09:44 Wordcloud - Pbm. des termes génériques du domaine 10:56 Termes fréquents par catégorie 11:40 "Wordcloud" conditionnels - Même problème 13:06 Manual Topic Modeling - Utilisation de l'étiquette 16:58 Première lecture des résultats - Pbm des stopwords 17:34 Post-traitement - KeyBERTInspired 20:56 Résultats affinés - Nouveau Wordcloud conditionnel 25:08 Supervised Topic Modeling 25:59 Approche usuelle de classification supervisée (régression logistique) 28:30 Lectures des coefficients - Rôle des termes dans la discrimination 30:17 Instanciation du topic modeling supervisé 32:05 Informations sur les topics 32:13 Rôle des termes dans la discrimination des classes 34:05 Coefficient de la régression appliquée aux embeddings