你好，@MaartenGr,

我必须承认，这对我来说是一个相当新的问题，因为以前我们的数据流似乎能够产生预期的输出。然而，最近当我将主题模型应用于我的数据和嵌入时，它只返回了少量的主题，其中绝大多数记录被分配给了主题1。
换句话说，在输入约40k篇文档和指定的nr_topics=20的情况下，它返回了-1、0和1个主题，其中大约90%的数据属于主题0。
topic_mode.get_params()的输出如下：

"calculate_probabilities": False,
    "ctfidf_model": ClassTfidfTransformer(),
    "embedding_model": None,
    "hdbscan_model": HDBSCAN(min_cluster_size=785, min_samples=560),
    "language": "multilingual",
    "low_memory": False,
    "min_topic_size": 5,
    "n_gram_range": (1, 2),
    "nr_topics": 20,
    "representation_model": None,
    "seed_topic_list": None,
    "top_n_words": 10,
    "umap_model": UMAP(
        min_dist=0.020396346954772607,
        tqdm_kwds={
            "bar_format": "{desc}: {percentage:3.0f}%| {bar} {n_fmt}/{total_fmt} [{elapsed}]",
            "desc": "Epochs completed",
            "disable": True,
        },
    ),
    "vectorizer_model": CountVectorizer(ngram_range=(1, 2), stop_words="english"),
    "verbose": False,
}

这对我来说看起来很合理。我很难理解为什么这种参数组合会返回少量/不平衡的主题，或者为什么它会返回少于指定的20个主题。
如果你能提供任何见解，我将非常感激。
许多感谢，H