Topic modeling 2400-SP-DS-TOP

Kurs ma na celu zapoznanie słuchaczy z zestawem algorytmów uczenia maszynowego przeznaczonych do automatycznego grupowania tekstów ze względu na występujące w nich motywy tematyczne. Takie działanie pozwala na wydajną eksplorację dużej ilości dokumentów, a w konsekwencji skuteczne zrozumienie ich treści bez konieczności zapoznawania się z nimi przez człowieka. Tym samym modelowanie tematów pozwala m.in. na identyfikację treści do siebie podobnych, odfiltrowywanie treści nieinformatywnych, identyfikację trendów tematycznych w tekstach. W trakcie kursu omówione zostaną algorytmy semantyczne, tzn. bazujące wyłącznie na algebrze liniowej, oraz probabilistyczne, czyli pozwalające na estymację prawdopodobieństw przynależności dokumentów do poszczególnych motywów tematycznych. Wśród tych drugich przedstawione zostaną w szczególności: najpopularniejszy obecnie algorytm tj. Latent Dirichlet Allocation, oraz najnowocześniejszy, bazujący na implementacji dużych modeli językowych, BERTopic. Zaprezentowane zostanie również możliwe wykorzystanie modelowania tematycznego do przewidywania charakterystyk przypisanych poszczególnym tekstom. Przedstawione zostaną ponadto techniczne możliwości analizowania relacji i podobieństwa między identyfikowanymi motywami tematycznymi oraz zmienności ich i ich częstości występowania w czasie.