RRepoGEO

REPOGEO 报告 · LITE

MaartenGr/BERTopic

默认分支 master · commit f9697602 · 扫描时间 2026/6/27 03:32:01

星标 7,711 · Fork 907

本仓库扫描历史

下方为分数趋势（含全部就绪扫描；左旧右新，可横向滚动）。表格明细默认折叠，展开后每页 10 条，最新在上。

分数趋势（左 → 右：旧 → 新）

共 3 条就绪扫描。点击下方按钮展开表格（每页 10 条，可翻页）。

AI 可见性总分
92 /100
健康
品类召回
2 / 2
被推荐时的平均排名 #1.0
规则结果
通过 2 · 警告 0 · 失败 0
客观元数据检查
AI 认识你的名字
3 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 MaartenGr/BERTopic 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highreadme#1
    Enhance README H1 to include core value proposition

    原因：

    当前
    # BERTopic
    复制粘贴的修复
    # BERTopic: Easily Interpretable Topic Modeling with 🤗 Transformers and c-TF-IDF
  • mediumreadme#2
    Add an explicit section detailing BERTopic's core differentiators

    原因：

    复制粘贴的修复
    Add a new section, e.g., '## Why BERTopic?' or '## Key Differentiators', that highlights its modular, pipeline-based approach, leveraging contextual embeddings, UMAP, HDBSCAN, and c-TF-IDF for semantic understanding and interpretable topics.
  • lowtopics#3
    Add core technology components to repository topics

    原因：

    当前
    bert, ldavis, machine-learning, nlp, sentence-embeddings, topic, topic-modeling, topic-modelling, topic-models, transformers
    复制粘贴的修复
    bert, ldavis, machine-learning, nlp, sentence-embeddings, topic, topic-modeling, topic-modelling, topic-models, transformers, umap, hdbscan, clustering

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
2 / 2
100% 的问题里出现了 MaartenGr/BERTopic
平均排名
#1.0
越小越好。#1 表示首位推荐。
声量占比
10%
在所有被点名的工具中，你占了多少？
头号对手
Gensim
在 2 个问题中被推荐 2 次
竞品排行
  1. Gensim · 被推荐 2 次
  2. Top2Vec · 被推荐 2 次
  3. scikit-learn · 被推荐 2 次
  4. Mallet · 被推荐 1 次
  5. Contextualized Topic Models · 被推荐 1 次
  • 品类问题
    How can I extract meaningful and interpretable topics from a large corpus of text documents?
    你：第 1 位
    AI 推荐顺序：
    1. BERTopic ← 你
    2. Gensim
    3. Top2Vec
    4. scikit-learn
    5. Mallet
    6. Contextualized Topic Models
    查看 AI 完整回答
  • 品类问题
    What are the best Python libraries for advanced topic modeling using transformer-based embeddings?
    你：第 1 位
    AI 推荐顺序：
    1. BERTopic ← 你
    2. sentence-transformers
    3. UMAP
    4. HDBSCAN
    5. Top2Vec
    6. Contextual Topic Models (CTM)
    7. ZeroShotTM
    8. CombinedTM
    9. Gensim
    10. KMeans
    11. scikit-learn
    12. TSNE
    13. PCA
    14. DBSCAN
    15. AgglomerativeClustering
    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    pass

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of MaartenGr/BERTopic?
    pass
    AI 明确点名了 MaartenGr/BERTopic

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts MaartenGr/BERTopic in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 MaartenGr/BERTopic

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo MaartenGr/BERTopic solve, and who is the primary audience?
    pass
    AI 明确点名了 MaartenGr/BERTopic

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 MaartenGr/BERTopic 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/MaartenGr/BERTopic.svg)](https://repogeo.com/zh/r/MaartenGr/BERTopic)
HTML
<a href="https://repogeo.com/zh/r/MaartenGr/BERTopic"><img src="https://repogeo.com/badge/MaartenGr/BERTopic.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

MaartenGr/BERTopic — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3