使用种子主题列表训练BERTopic时触发ValueError形状不一致问题

针对你遇到的ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (2,) + inhomogeneous part.错误，结合Python 3.10.5和Numpy 1.24.3环境，提供以下解决思路：

• 降低Numpy版本至1.23.x系列
  Numpy 1.24.x对非均匀形状数组的校验逻辑更严格，而BERTopic部分旧版本的代码逻辑未适配该变化。执行以下命令降级Numpy：

  pip install numpy==1.23.5
  

  降级后重新运行代码，大概率能解决该错误。

• 升级BERTopic到最新稳定版
  BERTopic官方后续版本可能已修复与高版本Numpy的兼容问题，执行升级命令：

  pip install --upgrade bertopic
  

  升级后再尝试运行官方示例代码。

• 手动生成种子主题嵌入（备选方案）
  如果上述两种方法无效，可以绕过模型自动生成种子主题嵌入的逻辑，手动计算每个种子主题的平均嵌入向量后传入模型：

  from bertopic import BERTopic
  from sklearn.datasets import fetch_20newsgroups
  from sentence_transformers import SentenceTransformer
  
  docs = fetch_20newsgroups(subset='all',  remove=('headers', 'footers', 'quotes'))["data"]
  
  seed_topic_list = [["drug", "cancer", "drugs", "doctor"],
                     ["windows", "drive", "dos", "file"],
                     ["space", "launch", "orbit", "lunar"]]
  
  # 初始化嵌入模型并手动生成种子主题的平均嵌入
  embedding_model = SentenceTransformer("all-MiniLM-L6-v2")
  seed_topic_embeddings = []
  for topic_terms in seed_topic_list:
      term_embeddings = embedding_model.encode(topic_terms)
      avg_topic_embedding = term_embeddings.mean(axis=0)
      seed_topic_embeddings.append(avg_topic_embedding)
  
  # 使用预生成的种子嵌入初始化模型
  topic_model = BERTopic(seed_topic_embeddings=seed_topic_embeddings, verbose=True, calculate_probabilities=False)
  topics = topic_model.fit_transform(docs)
  

内容的提问来源于stack exchange，提问作者Helena