合并BERTopic主题后如何获取各主题下的全部文档？

• 核心问题：merge_topics仅更新模型内部的主题结构，但不会自动修改之前fit_transform返回的topics列表，需主动重新获取文档的主题分配。
• 两种可行解决方法：

方法1：调用transform重新生成更新后的主题列表 #

执行merge_topics后，使用模型的transform方法对文档重新进行主题分配，直接得到更新后的主题ID：

from bertopic import BERTopic
from sklearn.datasets import fetch_20newsgroups
import pandas as pd

docs = fetch_20newsgroups(subset='all')['data']
topic_model = BERTopic()
topics, probabilities = topic_model.fit_transform(docs)

topics_to_merge = [[1, 2], [3, 4]]
topic_model.merge_topics(docs, topics_to_merge)

# 获取更新后的主题列表
updated_topics, _ = topic_model.transform(docs)
df = pd.DataFrame({'topic': updated_topics, 'document': docs})

方法2：利用模型的主题映射转换旧主题ID #

merge_topics执行后，模型会生成topic_mapping_属性，存储旧主题到新主题的映射关系，可直接用它转换原topics列表：

# 前面代码与方法1一致

topic_model.merge_topics(docs, topics_to_merge)

# 通过主题映射转换旧主题ID
topic_mapping = topic_model.topic_mapping_
updated_topics = [topic_mapping[topic] for topic in topics]
df = pd.DataFrame({'topic': updated_topics, 'document': docs})

• 注意：方法1更稳妥，适合后续对模型有其他调整的场景；方法2性能更高，无需重新计算主题分配。

内容的提问来源于stack exchange，提问作者Henrique Back