python - 与 bertopic 一起使用的 hdbscan 出现问题：OSError: [Errno 22] Invalid argument

Question

我写作是因为我有一个问题（我知道这是愚蠢而明显的介绍）。

我正在尝试使用 RStudio 中的 Python 解释器和reticulate扩展来使用 BERTopic 包：

Python 3.6.13 (C:/Users/Francesco/AppData/Local/r-miniconda/envs/r-reticulate/python.exe)
Reticulate 1.18.9008 REPL——R 中的 Python 解释器。

我设法安装它 pip3 install bertopic

起初，尝试安装会bertopic导致与hdbscan依赖关系有关的错误，特别是与所使用的轮子有关的错误；我通过 conda 安装 hdbscan 克服了它（使用 pip 问题似乎无法解决），并且在这样做之后似乎两者都已安装并且很好（pip 会确认）。

之后，我尝试按照Medium/Towards Data Science 中的包教程（这里是我正在关注的Colab版本）来熟悉这个包并检查一切是否按预期工作。

我基本上是在我正在使用的 RMarkdown 文件中的 Python 块上复制和粘贴 Colab 的代码，但是当我尝试将教程的相同代码应用于所使用的相同数据集时：

from sklearn.datasets import fetch_20newsgroups

docs = fetch_20newsgroups(subset='all',  remove=('headers', 'footers', 'quotes'))['data']

from bertopic import BERTopic

topic_model = BERTopic(language="english", calculate_probabilities=True, verbose=True)

topics, probs = topic_model.fit_transform(docs)

我收到以下错误：

批次：100%|##########| 589/589 [28:21<00:00, 2.89s/it]
2021-04-29 16:24:25,973 - BERTopic - 将文档转换为嵌入
2021-04-29 16:24:35,752 - BERTopic - 使用降维UMAP
OSError：[Errno 22] 无效参数

理论上，按照 colab 的输出，我应该得到：

..................... - BERTopic - 使用 HDBSCAN 的集群 UMAP 嵌入

因为我有问题，hdbscan我相信它与它有某种关系，我阅读了几个 GitHub 和 Stackoverflow 页面，指出了这样一个包的问题，​​但我不知道如何解决这个问题，但我真的需要，因为我需要为我的论文使用包。

有人能帮助我吗？

PS：这是我第一次在 stackoverflow 上提问：我希望我写下了所有必要的信息，但如果缺少某些信息，请告诉我。

标签： pythonroserrorhdbscan