You can deploy this model and start earning money today!

AIDA-UPM/
MARTINI_enrich_BERTopic_ZaferPartisiBilgi

Name: MARTINI_enrich_BERTopic_ZaferPartisiBilgi
Availability: InStock

bertopic

text-classification

Views

No views yet

MARTINI_enrich_BERTopic_ZaferPartisiBilgi

This is a BERTopic model. BERTopic is a flexible and modular topic modeling framework that allows for the generation of easily interpretable topics from large datasets.

Usage

To use this model, please install BERTopic:

pip install -U bertopic

You can use the model as follows:

python

from bertopic import BERTopic
topic_model = BERTopic.load("AIDA-UPM/MARTINI_enrich_BERTopic_ZaferPartisiBilgi")

topic_model.get_topic_info()

Topic overview

Number of topics: 6
Number of training documents: 375

Click here for an overview of all topics.

Topic ID	Topic Keywords	Topic Frequency	Label
-1	akdeniz - sıgınmacılar - bakanlıgı - ataturk - osmaniye	23	-1_akdeniz_sıgınmacılar_bakanlıgı_ataturk
0	tasımacılıgında - merkezleri - burokratlar - sanayi - planı	164	0_tasımacılıgında_merkezleri_burokratlar_sanayi
1	erdogan - bakanı - sıgınmacıları - ırkcı - sokak	65	1_erdogan_bakanı_sıgınmacıları_ırkcı
2	konferansımıza - baskanlıgımızın - cankırı - trabzon - merkezi	65	2_konferansımıza_baskanlıgımızın_cankırı_trabzon
3	kanalı - basdanısmanımız - programında - mehmet - yesiltepe	31	3_kanalı_basdanısmanımız_programında_mehmet
4	erdogan - kılıcdaroglu - maliyetinin - ciftcilerimizin - milyonlarca	27	4_erdogan_kılıcdaroglu_maliyetinin_ciftcilerimizin

Training hyperparameters

calculate_probabilities: True
language: None
low_memory: False
min_topic_size: 10
n_gram_range: (1, 1)
nr_topics: None
seed_topic_list: None
top_n_words: 10
verbose: False
zeroshot_min_similarity: 0.7
zeroshot_topic_list: None

Framework versions

Numpy: 1.26.4
HDBSCAN: 0.8.40
UMAP: 0.5.7
Pandas: 2.2.3
Scikit-Learn: 1.5.2
Sentence-transformers: 3.3.1
Transformers: 4.46.3
Numba: 0.60.0
Plotly: 5.24.1
Python: 3.10.12