datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
bertopic-conflictos-chile-v26.1
📖 README Técnico: BERTopic v24 "The Complete Pipeline"
📊 Resumen del Proyecto
Objetivo: Modelamiento de tópicos de conflictos socioambientales en Chile para tesis de Sociología.
Dataset: 3,268 noticias (2018-2025)
K Natural (HDBSCAN): 54 tópicos
Fecha de Generación: 2026-01-16 01:24
📈 Métricas Principales (K-54 Natural)
Métrica
Valor
Interpretación
Topic Diversity
0.6689
Diversidad de palabras entre tópicos (0-1, mayor es mejor)
Silhouette… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v26.1.bertopic-conflictos-chile-v26
📖 README Técnico: BERTopic v24 "The Complete Pipeline"
📊 Resumen del Proyecto
Objetivo: Modelamiento de tópicos de conflictos socioambientales en Chile para tesis de Sociología.
Dataset: 3,268 noticias (2018-2025)
K Natural (HDBSCAN): 54 tópicos
Fecha de Generación: 2026-01-15 22:35
📈 Métricas Principales (K-54 Natural)
Métrica
Valor
Interpretación
Topic Diversity
0.6806
Diversidad de palabras entre tópicos (0-1, mayor es mejor)
Silhouette… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v26.bertopic-conflictos-chile-v26.2
📖 README Técnico: BERTopic v24 "The Complete Pipeline"
📊 Resumen del Proyecto
Objetivo: Modelamiento de tópicos de conflictos socioambientales en Chile para tesis de Sociología.
Dataset: 3,268 noticias (2018-2025)
K Natural (HDBSCAN): 54 tópicos
Fecha de Generación: 2026-01-16 02:38
📈 Métricas Principales (K-54 Natural)
Métrica
Valor
Interpretación
Topic Diversity
0.6549
Diversidad de palabras entre tópicos (0-1, mayor es mejor)
Silhouette… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v26.2.bertopic-conflictos-chile-v26.3
📖 README Técnico: BERTopic v24 "The Complete Pipeline"
📊 Resumen del Proyecto
Objetivo: Modelamiento de tópicos de conflictos socioambientales en Chile para tesis de Sociología.
Dataset: 3,268 noticias (2018-2025)
K Natural (HDBSCAN): 54 tópicos
Fecha de Generación: 2026-01-16 12:24
📈 Métricas Principales (K-54 Natural)
Métrica
Valor
Interpretación
Topic Diversity
0.6580
Diversidad de palabras entre tópicos (0-1, mayor es mejor)
Silhouette… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v26.3.bertopic-conflictos-chile-v24
📖 README Técnico: BERTopic v24 "The Complete Pipeline"
📊 Resumen del Proyecto
Objetivo: Modelamiento de tópicos de conflictos socioambientales en Chile para tesis de Sociología.
Dataset: 3,268 noticias (2018-2025)
K Natural (HDBSCAN): 48 tópicos
Fecha de Generación: 2026-01-15 05:32
📈 Métricas Principales (K-48 Natural)
Métrica
Valor
Interpretación
Topic Diversity
0.6893
Diversidad de palabras entre tópicos (0-1, mayor es mejor)
Silhouette… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v24.bertopic-conflictos-chile-v25
📖 README Técnico: BERTopic v24 "The Complete Pipeline"
📊 Resumen del Proyecto
Objetivo: Modelamiento de tópicos de conflictos socioambientales en Chile para tesis de Sociología.
Dataset: 3,268 noticias (2018-2025)
K Natural (HDBSCAN): 50 tópicos
Fecha de Generación: 2026-01-15 16:59
📈 Métricas Principales (K-50 Natural)
Métrica
Valor
Interpretación
Topic Diversity
0.7160
Diversidad de palabras entre tópicos (0-1, mayor es mejor)
Silhouette… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v25.bertopic-conflictos-chile-v17-academic
🏆 BERTopic v17 - "The Academic"
Research-Backed Solutions Applied:
ClassTfidfTransformer: bm25_weighting + reduce_frequent_words
ngram_range=(1, 2) - entity fusions handle compounds
PartOfSpeech for valid Spanish noun phrases
Chained: POS → KeyBERT → MMR(diversity=1.0)
top_n_words=5
Results:
K Natural: 51 topics
Total docs: 3,268
sdg-bertopic-correspondence-v0.1
SDG BERTopic Input-Intermediate-Output Correspondence (v0.1)
Status: v0.1, peer-review preview. Schema and methodology may evolve.
Curator: @zndx
Project: Aegir — https://github.com/<...> (link pending public release)
A research dataset capturing the full computational trace from
constrained-decode-generated ontology compositions through BERTopic
intermediate state to verifier scoring. Built for reproducibility,
verifier-methodology validation, and as a paired data resource for… See the full description on the dataset page: https://huggingface.co/datasets/zndx/sdg-bertopic-correspondence-v0.1.bertopic-conflictos-chile-v22-complete
🏆 BERTopic v22 - THE COMPLETE MASTERPIECE
Mejoras sobre v21:
MODELO GUARDADO: SafeTensors para reutilización
TODAS LAS VISUALIZACIONES: DataMapPlot, Hierarchy, Heatmap, etc.
MÉTRICAS MATEMÁTICAS: Coherence (UMass, NPMI), Diversity, Silhouette
TOPICS OVER TIME: Análisis temporal
HIERARCHICAL TOPICS: Árbol jerárquico
GET_DOCUMENT_INFO: Metadata completa
REDUCE_OUTLIERS: Reducción inteligente
Métricas Matemáticas:
Topic Diversity: 0.6995305164319249… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v22-complete.bertopic-conflictos-chile-v30-sota
📖 README Técnico: BERTopic v29 SOTA "Top 0.1% Worldwide"
📊 Resumen del Proyecto
Objetivo: Modelamiento de tópicos de conflictos socioambientales en Chile (Nivel Doctorado/SOTA).
Dataset: 3,268 noticias (2018-2025)
K Natural (HDBSCAN): 21 tópicos
Fecha de Generación: 2026-01-26 21:05
Pipeline Version: v29 SOTA PERFECTED
🏆 Métricas de Calidad (SOTA 2026)
Categoría
Métrica
Valor
Interpretación
Estabilidad
Bootstrap Mean ARI
0.0000
Reproducibilidad… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v30-sota.bertopic-conflictos-chile-v18-pure
🏆 BERTopic v18 - "The Pure"
Hypothesis
Entity fusions created artificial high-frequency tokens that dominated n-grams, causing redundancy.
Changes from v17:
REMOVED all entity fusions (text is now natural)
RESTORED ngram_range=(1, 4) to capture full phrases
PartOfSpeech + MMR(0.8) representation chain
top_n_words=7
Expected Result:
Keywords like "tribunal ambiental antofagasta" instead of "tribunalambiental antofagasta"
Results:
K… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v18-pure.bertopic-conflictos-chile-v29-sota
📖 README Técnico: BERTopic v29 SOTA "Top 0.1% Worldwide"
📊 Resumen del Proyecto
Objetivo: Modelamiento de tópicos de conflictos socioambientales en Chile (Nivel Doctorado/SOTA).
Dataset: 3,268 noticias (2018-2025)
K Natural (HDBSCAN): 30 tópicos
Fecha de Generación: 2026-01-24 17:45
Pipeline Version: v29 SOTA PERFECTED
🏆 Métricas de Calidad (SOTA 2026)
Categoría
Métrica
Valor
Interpretación
Estabilidad
Bootstrap Mean ARI
0.0000
Reproducibilidad… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v29-sota.bertopic-conflictos-chile-v31-sota
📖 README Técnico: BERTopic v29 SOTA "Top 0.1% Worldwide"
📊 Resumen del Proyecto
Objetivo: Modelamiento de tópicos de conflictos socioambientales en Chile (Nivel Doctorado/SOTA).
Dataset: 3,268 noticias (2018-2025)
K Natural (HDBSCAN): 21 tópicos
Fecha de Generación: 2026-01-26 21:05
Pipeline Version: v29 SOTA PERFECTED
🏆 Métricas de Calidad (SOTA 2026)
Categoría
Métrica
Valor
Interpretación
Estabilidad
Bootstrap Mean ARI
0.0000
Reproducibilidad… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v31-sota.bertopic-conflictos-chile-v20-refined
🏆 BERTopic v20 - "The Refined"
Mejoras desde v19:
Característica
v19
v20
Deduplicación léxica
No
✅ LexicalDeduplicator elimina keywords con palabras repetidas
Nombres personales
Lista manual (25 nombres)
✅ NER automático detecta PER entities
MMR diversity
0.7
✅ 0.9 (más agresivo)
Seguridad
Token hardcoded
✅ os.environ.get("HF_TOKEN")
Ejemplo de Deduplicación:
v19 (con redundancia):
fundicion codelco ventana, codelco fundicion… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v20-refined.bertopic-conflictos-chile-v21-masterpiece
🏆 BERTopic v21 - THE MASTERPIECE
Mejoras sobre v20:
SmartDeduplicator (0.7): Más permisivo, conserva "Argentina", "transfronterizo"
Safety Net: Garantiza mínimo 6 keywords por topic
Stopwords SOTA: Sin meses, años, nombres personales
Visualizaciones: Barcharts y mapas HTML automáticos
Métricas:
K Natural: 50
Total docs: 3,268
Timestamp: 2026-01-13 17:07:41.278922
Archivos:
bertopic_topic_explanations_v21.xlsx: Keywords por K… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v21-masterpiece.BERTopic_training_dataKJVPericopeTopics_bertopicWith bertopic (https://maartengr.github.io/BERTopic/), I ran a dataset of pericopes which covers the entire Bible.
The pericope became the topic, and under each heading, 3 verses were selected as representative.
A useful feature of this is that the representative verses are guaranteed to come from the section of Scripture
that's connected with the pericope, which gives much better quality than if they were, for instance, semantically
chosen from a vector database of the entire Bible.
bertopic-conflictos-chile-v28-hybrid
📖 README Técnico: BERTopic v28 "The Hybrid Pipeline"
📊 Resumen del Proyecto
Objetivo: Modelamiento de tópicos de conflictos socioambientales en Chile para tesis de Sociología.
Dataset: 3,268 noticias (2018-2025)
K Natural (HDBSCAN): 36 tópicos
Fecha de Generación: 2026-01-22 18:43
📈 Métricas Principales (K-36 Natural)
Métrica
Valor
Interpretación
Topic Diversity
0.2263
Diversidad de palabras entre tópicos (0-1, mayor es mejor)
Silhouette Score… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v28-hybrid.bertopic-conflictos-chile-v23-multiK
🏆 BERTopic v23 - THE COMPLETE MASTERPIECE
Mejoras sobre v21:
MODELO GUARDADO: SafeTensors para reutilización
TODAS LAS VISUALIZACIONES: DataMapPlot, Hierarchy, Heatmap, etc.
MÉTRICAS MATEMÁTICAS: Coherence (UMass, NPMI), Diversity, Silhouette
TOPICS OVER TIME: Análisis temporal
HIERARCHICAL TOPICS: Árbol jerárquico
GET_DOCUMENT_INFO: Metadata completa
REDUCE_OUTLIERS: Reducción inteligente
Métricas Matemáticas:
Topic Diversity: 0.6859122401847575… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v23-multiK.bertopic-v15-results
🏆 BERTopic v15.2 - THE PURIST
Modelo SOTA. Entrenamientos independientes para cada K.
Fusiones semánticas completas (Claude + Gemini).
K Natural: 51 topics
Coherencias: {}
bertopic-conflictos-chile-v16-refined
🏆 BERTopic v16.1 - The Refined
MMR Diversity 0.8 para eliminar keywords redundantes.
N-Grams (1,4) para capturar conceptos complejos.
K Natural: 51 topics
Columnas separadas para fácil lectura.
bertopic-conflictos-chile-v19-complete
🏆 BERTopic v19 - "The Complete"
Correcciones Críticas desde v17 y v18:
Problema
Causa
Solución v19
"hidroeléctrica" perdida
reduce_frequent_words=True
reduce_frequent_words=FALSE
"Luis", "Rafael" como keywords
Sin KeyBERTInspired
KeyBERTInspired RESTAURADO
Meses del año como keywords
No en stopwords
Meses en stopwords
Nombres personales
No filtrados
Nombres en stopwords
"Enel Green Power" fragmentado
Sin fusiones
Fusiones SELECTIVAS… See the full description on the dataset page: https://huggingface.co/datasets/Linkhero2/bertopic-conflictos-chile-v19-complete.bertopic-conflictos-chile-v31evaluation-of-teaching-through-bertopicbertopicbertopic_representations
Dataset Card for Dataset Name
A dataset for fine-tuning LLMs as representation models for BERTopic topics.
The samples contain:
- input: texts, keywords and custom instructions for the model.
- output: A title for each topic and a description.
The dataset ist 100% synthetic.
Dataset Details
Dataset Description
Curated by: AI-Judge Model
Language(s) (NLP): English, German, French, Italian
License: Apache-2.0
Uses
The sole inteded use… See the full description on the dataset page: https://huggingface.co/datasets/Multimoe/bertopic_representations.