README.md

---
tags:
- bertopic
library_name: bertopic
pipeline_tag: text-classification
---

# kmeans_7

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("Trubnik1967/kmeans_7")

topic_model.get_topic_info()
```

## Topic overview

* Number of topics: 7
* Number of training documents: 29572

<details>
  <summary>Click here for an overview of all topics.</summary>
  
  | Topic ID | Topic Keywords | Topic Frequency | Label | 
|----------|----------------|-----------------|-------| 
| 0 | юбка - брюки - штаны - блузка - носить | 8516 | 0_юбка_брюки_штаны_блузка | 
| 1 | покупатель - заказывать - отказаться - ожидание - прождать | 11298 | 1_покупатель_заказывать_отказаться_ожидание | 
| 2 | увы - отсутствие - товар - не - данный | 253 | 2_увы_отсутствие_товар_не | 
| 3 | невернуть - денежный - деньга - возвратить - доставить | 551 | 3_невернуть_денежный_деньга_возвратить | 
| 4 | заказ - доставить - arriverd - выслать - увы | 110 | 4_заказ_доставить_arriverd_выслать | 
| 5 | не - прийти - приехать - дойти - отправить | 129 | 5_не_прийти_приехать_дойти | 
| 6 | ткань - шов - нитка - хлопок - сшить | 8715 | 6_ткань_шов_нитка_хлопок |
  
</details>

## Training hyperparameters

* calculate_probabilities: True
* language: None
* low_memory: False
* min_topic_size: 100
* n_gram_range: (1, 1)
* nr_topics: 7
* seed_topic_list: None
* top_n_words: 10
* verbose: True
* zeroshot_min_similarity: None
* zeroshot_topic_list: None

## Framework versions

* Numpy: 1.25.2
* HDBSCAN: 0.8.33
* UMAP: 0.5.5
* Pandas: 1.5.3
* Scikit-Learn: 1.2.2
* Sentence-transformers: 2.5.1
* Transformers: 4.39.0
* Numba: 0.58.1
* Plotly: 5.15.0
* Python: 3.10.12