Methodik

Was ist BERTopic-Themenmodellierung?

BERTopic ist ein Verfahren der computergestützten Themenmodellierung, das – anders als das klassische LDA-Verfahren (s. vorherige Menuseite) – nicht nur zählt, wie oft Wörter gemeinsam vorkommen, sondern auch deren Bedeutung im jeweiligen Satzzusammenhang berücksichtigt. Dazu wird jede extrahierte Textstelle mit einem mehrsprachigen KI-Sprachmodell in eine Art Bedeutungsvektor übersetzt: Textstellen mit ähnlichem Sinn erhalten ähnliche Vektoren, auch wenn sie unterschiedliche Wörter verwenden.

Diese Vektoren werden anschließend automatisch zu Gruppen – den Themen ("Topics") – zusammengefasst. Textstellen, die zu keinem klaren Thema passen, werden als Ausreißer gekennzeichnet, statt in ein unpassendes Thema gezwungen zu werden. Jedes gefundene Thema wird durch seine charakteristischsten Begriffe beschrieben, die Sie in den Diagrammen unten sehen. Da BERTopic auf Bedeutung statt auf reiner Worthäufigkeit beruht, kann es auch inhaltlich verwandte Textstellen zusammenführen, die unterschiedliche Formulierungen verwenden.

In der Visualisierung unten wird jede extrahierte Textstelle als ein Punkt im Themenraum dargestellt; Punkte, die im Diagramm nah beieinander liegen, wurden vom Sprachmodell auch inhaltlich als ähnlich eingestuft. Über "Farbe nach" stellen Sie ein, ob die Punkte nach Fach oder nach erkanntem Topic eingefärbt werden – ein Klick auf einen Eintrag in der Legende rechts hebt die zugehörigen Punkte hervor und blendet die übrigen ab. Fahren Sie mit der Maus über einen Punkt, um Fach, Bundesland, Topic und den zugehörigen Textausschnitt einzusehen. Mit den Reglern für Dimension, Punktgröße und Orbit lässt sich die 3D-Ansicht drehen, in eine 2D-Ansicht wechseln oder automatisch rotieren; Ausreißer können bei Bedarf ausgeblendet werden. Wählen Sie bis zu neun Konzepte gleichzeitig aus, um ihre Themenräume nebeneinander zu vergleichen.

Auswahl

Konzepte (bis zu 9 gleichzeitig)

Visualisierung

Topics, Ausreißer und thematische Schwerpunkte