shaistaDev7/topic_modeling_on_UNTM

1 2---3tags:4- bertopic5library_name: bertopic6pipeline_tag: text-classification7---8 9# urdu_news_topic_modeling10 11This is a [BERTopic](https://github.com/MaartenGr/BERTopic) model. 12BERTopic is a flexible and modular topic modeling framework that allows for the generation of easily interpretable topics from large datasets. 13 14## Usage 15 16To use this model, please install BERTopic:17 18```19pip install -U bertopic20```21 22You can use the model as follows:23 24```python25from bertopic import BERTopic26topic_model = BERTopic.load("shaistaDev7/urdu_news_topic_modeling")27 28topic_model.get_topic_info()29```30 31## Topic overview32 33* Number of topics: 734* Number of training documents: 799135 36<details>37  <summary>Click here for an overview of all topics.</summary>38  39  | Topic ID | Topic Keywords | Topic Frequency | Label | 40|----------|----------------|-----------------|-------| 41| 0 | پولیو - ڈاکٹر - مہم - بتایا - صحت | 1626 | 0_پولیو_ڈاکٹر_مہم_بتایا | 42| 1 | فلم - اداکارہ - اداکار - شادی - بالی | 1290 | 1_فلم_اداکارہ_اداکار_شادی | 43| 2 | عمران - خان - تحریک - حکومت - لیگ | 1263 | 2_عمران_خان_تحریک_حکومت | 44| 3 | روپے - مالی - ملین - سال - ڈالر | 1062 | 3_روپے_مالی_ملین_سال | 45| 4 | فون - صارفین - ویوو - موبائل - بک | 928 | 4_فون_صارفین_ویوو_موبائل | 46| 5 | ٹیم - میچ - کرکٹ - رنز - ٹورنامنٹ | 916 | 5_ٹیم_میچ_کرکٹ_رنز | 47| 6 | کورونا - وائرس - کیسز - مریض - ہزار | 906 | 6_کورونا_وائرس_کیسز_مریض |48  49</details>50 51## Training hyperparameters52 53* calculate_probabilities: True54* language: urdu55* low_memory: True56* min_topic_size: 1057* n_gram_range: (1, 1)58* nr_topics: None59* seed_topic_list: None60* top_n_words: 1061* verbose: True62* zeroshot_min_similarity: 0.763* zeroshot_topic_list: None64 65## Framework versions66 67* Numpy: 1.23.568* HDBSCAN: 0.8.3369* UMAP: 0.5.570* Pandas: 1.5.371* Scikit-Learn: 1.2.272* Sentence-transformers: 2.2.273* Transformers: 4.35.274* Numba: 0.58.175* Plotly: 5.15.076* Python: 3.10.1277