python jieba lda

以下是使用Python中的jieba和lda库进行文本分词和LDA主题建模的示例代码：

import jieba
from gensim import corpora, models

# 文本数据
text = "这是一段示例文本，用于演示Python中jieba和lda库的使用。"

# 分词
seg_list = jieba.cut(text)

# 去除停用词
stop_words = ["这是", "一段", "示例文本", "用于", "演示", "Python", "中", "和"]
seg_list = [word for word in seg_list if word not in stop_words]

# 构建词袋模型
dictionary = corpora.Dictionary([seg_list])
corpus = [dictionary.doc2bow(seg_list)]

# 训练LDA模型
lda_model = models.LdaModel(corpus, num_topics=3, id2word=dictionary)

# 打印每个主题的关键词
for topic in lda_model.print_topics():
    print(topic)

# 获取文本的主题分布
doc_topics = lda_model.get_document_topics(corpus[0])
for topic in doc_topics:
    print(topic)

这段代码首先使用jieba库对文本进行分词，并去除停用词。然后使用gensim库中的corpora和models模块构建词袋模型和训练LDA模型。最后打印每个主题的关键词和文本的主题分布。