lda python代码实现

下面是一个简单的Python代码片段，用于实现LDA主题建模：

import numpy as np
import gensim
from gensim import corpora

# 准备语料库
corpus = [
    ['apple', 'orange', 'banana', 'fruit'],
    ['car', 'bus', 'bike', 'vehicle'],
    ['house', 'building', 'home', 'property']
]

# 创建字典
dictionary = corpora.Dictionary(corpus)

# 将文本转换为词袋表示
bow_corpus = [dictionary.doc2bow(text) for text in corpus]

# 训练LDA模型
lda_model = gensim.models.LdaModel(bow_corpus, num_topics=2, id2word=dictionary, passes=10)

# 打印每个主题的关键词
topics = lda_model.print_topics(num_words=4)
for topic in topics:
    print(topic)

这段代码使用`gensim`库实现LDA主题建模。首先，定义一个包含文档的语料库。然后，创建一个字典来映射每个单词到一个唯一的整数ID。接下来，将文本转换为词袋表示，其中每个文档表示为一个稀疏向量。最后，使用`gensim.models.LdaModel`训练LDA模型，并打印每个主题的关键词。

注意：这只是一个简单的示例代码，实际应用中可能需要更多的预处理步骤和参数调整。