MARTINI_enrich_BERTopic_humanidaddespiertadifusion

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_humanidaddespiertadifusion")

topic_model.get_topic_info()

Topic overview

• Number of topics: 8
• Number of training documents: 1424

Click here for an overview of all topics.

Topic ID	Topic Keywords	Topic Frequency	Label
-1	vacunados - pandemia - efectos - pfizer - cualquier	21	-1_vacunados_pandemia_efectos_pfizer
0	manifestacion - apoyamos - madrid - libertad - septiembre	894	0_manifestacion_apoyamos_madrid_libertad
1	corona - contagio - pruebas - microorganismos - sintomas	130	1_corona_contagio_pruebas_microorganismos
2	mascarillas - obligatoriedad - policias - respirar - dictador	126	2_mascarillas_obligatoriedad_policias_respirar
3	vacunados - vaers - fallecidos - pfizer - reportados	99	3_vacunados_vaers_fallecidos_pfizer
4	desinformacion - terroristas - manipulacion - periodismo - recuperamos	96	4_desinformacion_terroristas_manipulacion_periodismo
5	posverdad - biologos - villanueva - evolutivo - escuchado	31	5_posverdad_biologos_villanueva_evolutivo
6	vacuna - inyectarse - explicaciones - laboratorios - doctors	27	6_vacuna_inyectarse_explicaciones_laboratorios

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