Semantic-Driven Topic Modeling Using Transformer-Based Embeddings and Clustering Algorithms
Procedia Computer Science · 2024 · 244 · 121-132
DOI: 10.1016/j.procs.2024.10.185 ↗Kurz gefasst
Fachartikel in der Zeitschrift Procedia Computer Science, 2024. Verfasst von Melkamu Abay Mersha und 2 weiteren Autor:innen. Die Arbeit wurde bisher 44-mal zitiert (Crossref) und nennt 38 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).
Abstract (Originalsprache)
Kein Abstract verfügbar.
Zitieren
APA
Mersha, M. A., yigezu, M. G., & Kalita, J. (2024). Semantic-Driven Topic Modeling Using Transformer-Based Embeddings and Clustering Algorithms. Procedia Computer Science, 244, 121-132. https://doi.org/10.1016/j.procs.2024.10.185
Vancouver
Mersha MA, yigezu MG, Kalita J. Semantic-Driven Topic Modeling Using Transformer-Based Embeddings and Clustering Algorithms. Procedia Computer Science. 2024;244:121-132. doi:10.1016/j.procs.2024.10.185
BibTeX
@article{Mersha2024,
author = {Mersha, Melkamu Abay and yigezu, Mesay Gemeda and Kalita, Jugal},
title = {Semantic-Driven Topic Modeling Using Transformer-Based Embeddings and Clustering Algorithms},
journal = {Procedia Computer Science},
year = {2024},
volume = {244},
pages = {121--132},
doi = {10.1016/j.procs.2024.10.185}
}
EUVIMED