使用LDA模型并获得了文档的主题分布的代码

使用LDA模型获得文档的主题分布的代码，可以使用Python中的Gensim库。具体步骤如下：

from gensim.models import LdaModel
from gensim.corpora import Dictionary

# 假设docs是一个列表，其中每个元素是一个文本
docs = [...]

# 将文本转化为词袋表示
texts = [[word for word in doc.lower().split()] for doc in docs]
dictionary = Dictionary(texts)
corpus = [dictionary.doc2bow(text) for text in texts]

# 训练LDA模型
num_topics = 10 # 假设我们要训练10个主题
lda_model = LdaModel(corpus, num_topics=num_topics, id2word=dictionary, passes=10)

# 获取文档的主题分布
docs_topic_distribution = []
for doc_bow in corpus:
    doc_topics = lda_model.get_document_topics(doc_bow)
    doc_topic_distribution = [0] * num_topics
    for topic_id, topic_prob in doc_topics:
        doc_topic_distribution[topic_id] = topic_prob
    docs_topic_distribution.append(doc_topic_distribution)

其中，corpus是将文本转化为词袋表示后的结果，num_topics表示要训练的主题数量。训练好LDA模型后，可以通过get_document_topics方法获取每篇文档的主题分布，最后将主题分布保存在docs_topic_distribution列表中。