如果你想提取这些坐标，你可以使用UMAP来简单地提取2D表示，如函数本身的代码所示。像这样应该就足够了：

reduced_embeddings = UMAP(n_neighbors=10, n_components=2, min_dist=0.0, metric='cosine').fit_transform(embeddings)

你好，

再次感谢你的及时回复。我尝试了你的建议，但不幸的是，这个解决方案返回了UMAP降维的图像。
在我的案例中，我在运行UMAP(1)和HDBSCAN(2)模型后，通过设置umap_model=1和hdbscan_model=2来运行BERTopic模型。最后，'topic_model.visualize_documents(data_list)'命令返回一个显示每个文档在D1-D2轴系统上的图像，根据BERTopic分配的主题颜色进行着色。这个图像与从UMAP模型派生的图像有很大差异。我想要获取BERTopic可视化中显示的每个点的坐标/嵌入并重新创建它。
如果你需要任何进一步的细节，我很乐意分享。希望我说得足够清楚。
再次感谢你的支持！

命令 topic_model.visualize_documents(data_list) 本质上在输入嵌入上运行 UMAP,如下所示：

.visualize_documents 的源代码中：

| | umap_model=UMAP(n_neighbors=10, n_components=2, min_dist=0.0, metric='cosine').fit(embeddings_to_reduce) |
| | embeddings_2d=umap_model.embedding_ |

在这里，embeddings_2d 是二维空间中的 X 和 Y 点。由于在这种情况下 UMAP 没有 random_state 状态，它每次都会生成不同的图。您可以通过传递自己的降维 UMAP 嵌入来防止这种情况。

我明白你的意思了！在第一次阅读时，我误解了一些内容。谢谢你的耐心。
最后一个问题：是否有可能使用ParametricUMAP作为降维函数，以便在“压缩”过程中了解丢失的信息？这对你有意义吗？
谢谢你，很抱歉给你带来了任何不便。

当然，你可以在BERTopic中使用任何符合API规范的降维算法：https://maartengr.github.io/BERTopic/getting_started/dim_reduction/dim_reduction.html

非常感谢您的帮助！我非常感激！