MARTINI_enrich_BERTopic_milliyetcitopluluk1

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:

from bertopic import BERTopic
topic_model = BERTopic.load("AIDA-UPM/MARTINI_enrich_BERTopic_milliyetcitopluluk1")

topic_model.get_topic_info()

Topic overview

Number of topics: 7
Number of training documents: 529

Click here for an overview of all topics.

Topic ID	Topic Keywords	Topic Frequency	Label
-1	cumhuriyet - ataturk - ankara - yakalandı - gaziantep	21	-1_cumhuriyet_ataturk_ankara_yakalandı
0	erdogan - acıklama - bahceli - mehmet - mezarını	312	0_erdogan_acıklama_bahceli_mehmet
1	istanbul - kızın - bagcılar - kafasına - sokaklara	49	1_istanbul_kızın_bagcılar_kafasına
2	silahlı - hedefleri - pkk - oncupınar - terorist	48	2_silahlı_hedefleri_pkk_oncupınar
3	diyarbakır - harekatında - irak - operasyonlar - patlayıcının	39	3_diyarbakır_harekatında_irak_operasyonlar
4	aykırı - olmayacagını - savunacagız - mevzuatında - avukat	30	4_aykırı_olmayacagını_savunacagız_mevzuatında
5	azerbaycan - kazandırmak - silahlar - hareketleri - mayınlar	30	5_azerbaycan_kazandırmak_silahlar_hareketleri

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