怎么把以上代码中使用的20个新闻组的数据换成我自己创建的数据集？

如果你想使用自己的数据集替换20 Newsgroups数据，你需要先准备一个结构相似的数据集，即一个包含文本内容的列表或数组。假设你有一个CSV文件，其中有一列名为"content"存储了你要分析的文本，你可以按照以下步骤操作：

1. **读取数据**:
使用pandas库来加载你的数据：

   import pandas as pd
   data = pd.read_csv('your_dataset.csv')  # 替换为你的csv文件路径
   docs = data['content'].tolist()  # 获取'content'列的内容作为列表

2. **预处理数据**:
确保文本数据已经清洗过，移除了标点、数字等非文字内容，以及不必要的HTML标签等。

3. **调整输入格式**:
如果BERTopic需要的是单个文档组成的列表，而不是一个个字符串，那么可能需要对文档进行分词：

   from transformers import BertTokenizerFast
   tokenizer = BertTokenizerFast.from_pretrained('bert-base-chinese')  # 或者其他适配的语言模型
   docs_tokenized = [tokenizer.encode(doc, truncation=True, padding='max_length') for doc in docs]

4. **调用model**:
保持之前代码中的`topic_model.fit_transform(docs_tokenized)`不变，直接传入你的token化文档列表。

完成上述步骤后，你就可以用你自己的数据集进行主题建模了。