LDA (Latent Dirichlet Allocation) é uma técnica utilizada em modelagem de tópicos que considera que cada texto é predominantemente de um único tópico a ser predito por aprendizado supervisionado.

Representações de texto baseadas em n-gramas possuem a desvantagem de criarem um espaço de características mais esparso que a estratégia de bag of words simples (uma só palavra).

BERT (Bidirecional Encoder Representations from Transformers) é um exemplo de classificador não-supervisionado baseado em propriedades sonoras independentes entre si para classificação de sentimentos a partir de textos. 

Word embeddings é um tipo de representação vetorial em que o texto todo é representado como um vetor n dimensional, sendo n o número total de palavras do dicionário linguístico adotado.

Tf-idf é um modelo de transformadores (do inglês transformers) baseado em redes neurais profundas generativas.