File size: 3,188 Bytes
89f951b | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 |
---
tags:
- bertopic
library_name: bertopic
pipeline_tag: text-classification
---
# MARTINI_enrich_BERTopic_danmarkforst
This is a [BERTopic](https://github.com/MaartenGr/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_danmarkforst")
topic_model.get_topic_info()
```
## Topic overview
* Number of topics: 13
* Number of training documents: 1522
<details>
<summary>Click here for an overview of all topics.</summary>
| Topic ID | Topic Keywords | Topic Frequency | Label |
|----------|----------------|-----------------|-------|
| -1 | vaccinerne - pfizer - læge - politikerne - falsk | 20 | -1_vaccinerne_pfizer_læge_politikerne |
| 0 | jylland - frihedslisten - radhuspladsen - valgbestyrelsen - demonstrationsoverblik | 945 | 0_jylland_frihedslisten_radhuspladsen_valgbestyrelsen |
| 1 | folketingspolitikerne - fængselsstraf - nordsjællands - forsvarsadvokat - kidnapninger | 82 | 1_folketingspolitikerne_fængselsstraf_nordsjællands_forsvarsadvokat |
| 2 | australien - tvangsvaccinere - politistyrker - militæret - udsendelsen | 74 | 2_australien_tvangsvaccinere_politistyrker_militæret |
| 3 | vaccineskader - pfizer - overdødelighed - injected - lethal | 72 | 3_vaccineskader_pfizer_overdødelighed_injected |
| 4 | vaccinerne - pandemier - graphene - forskellige - ddt | 70 | 4_vaccinerne_pandemier_graphene_forskellige |
| 5 | bitcoin - grænselukninger - realiteterne - promoveret - hjemmepasser | 62 | 5_bitcoin_grænselukninger_realiteterne_promoveret |
| 6 | jews - holocaust - jødestjernen - verdenskrig - russiske | 52 | 6_jews_holocaust_jødestjernen_verdenskrig |
| 7 | satanisterne - socialdemokraterne - folketingsmedlem - christiansborg - pressemøde | 39 | 7_satanisterne_socialdemokraterne_folketingsmedlem_christiansborg |
| 8 | fødevarepriserne - kroner - inflationen - finanstilsynet - nordjyske | 35 | 8_fødevarepriserne_kroner_inflationen_finanstilsynet |
| 9 | canada - protesters - arrests - nødretstilstand - greatawakeningofficial | 26 | 9_canada_protesters_arrests_nødretstilstand |
| 10 | falske - infowars - spørgsmalstegn - dobbeltagent - satanistisk | 25 | 10_falske_infowars_spørgsmalstegn_dobbeltagent |
| 11 | palæstinensernes - israelis - hamas - politimyndighederne - nationalsocialistisk | 20 | 11_palæstinensernes_israelis_hamas_politimyndighederne |
</details>
## 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
|