BERTopic

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("zsozsi12/BERTopic")

topic_model.get_topic_info()

Topic overview

• Number of topics: 14
• Number of training documents: 1152

Click here for an overview of all topics.

Topic ID	Topic Keywords	Topic Frequency	Label
-1	az - is - de - nem - nagyon	12	-1_az_is_de_nem
0	az - nem - nekem - is - de	394	0_az_nem_nekem_is
1	netflix - az - hogy - egy - nem	147	1_netflix_az_hogy_egy
2	the - you - stranger - things - breaking	115	2_the_you_stranger_things
3	hogy - az - is - nem - egy	105	3_hogy_az_is_nem
4	film - az - de - nem - egy	61	4_film_az_de_nem
5	disney - spotify - youtube - netflix - hbo	61	5_disney_spotify_youtube_netflix
6	hogy - egy - nem - vagy - de	60	6_hogy_egy_nem_vagy
7	hogy - nem - netflix - is - az	55	7_hogy_nem_netflix_is
8	valaki - nem - mg - meg - sem	41	8_valaki_nem_mg_meg
9	teljesen - nem - teljes - az - ha	36	9_teljesen_nem_teljes_az
10	nagyon - szerintem - volt - sorozat - annyira	28	10_nagyon_szerintem_volt_sorozat
11	mint - olyan - normlis - knyv - forint	25	11_mint_olyan_normlis_knyv
12	tv - van - apple - nem - fhd	12	12_tv_van_apple_nem

Training hyperparameters

• calculate_probabilities: False
• language: english
• 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: 0.5.9.post2
• Pandas: 2.2.3
• Scikit-Learn: 1.7.1
• Sentence-transformers: 5.1.0
• Transformers: 4.56.1
• Numba: 0.61.2
• Plotly: 5.22.0
• Python: 3.12.2