利用Python写一个LDA用gensim库

以下是一个简单的LDA模型的实现示例，使用了gensim库：

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

# 读取文本文件
with open('text.txt', 'r') as f:
    text = f.readlines()

# 分词处理
texts = [[word for word in doc.split()] for doc in text]

# 构建词典
dictionary = corpora.Dictionary(texts)

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

# 训练LDA模型
lda_model = LdaModel(corpus=corpus, num_topics=10, id2word=dictionary, passes=10)

# 打印所有主题
for topic_id in range(lda_model.num_topics):
    print('Topic', topic_id, ':', lda_model.print_topic(topic_id))

上述代码中，我们首先读取文本文件并进行分词处理，然后使用gensim库中的corpora.Dictionary()函数构建词典，将文本转换为词袋表示。接着，我们使用LdaModel()函数训练LDA模型，其中num_topics参数指定主题数量，id2word参数指定词典，passes参数指定迭代次数。最后，我们打印出所有主题及其对应的单词权重。