请分享一个入门的LDA模型的程序

以下是一个简单的LDA模型的程序：

import numpy as np
import pandas as pd
import gensim
from gensim import corpora, models
from gensim.models import CoherenceModel

# 导入数据
data = pd.read_csv('data.csv', header=None)
data.columns = ['text']

# 分词
texts = [[word for word in str(doc).lower().split()] for doc in data['text']]

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

# 将文本转化为词袋形式
corpus = [dictionary.doc2bow(text) for text in texts]

# LDA模型训练
lda_model = models.ldamodel.LdaModel(corpus=corpus,
                                     id2word=dictionary,
                                     num_topics=10,
                                     random_state=100,
                                     update_every=1,
                                     passes=10,
                                     alpha='auto',
                                     per_word_topics=True)

# 打印主题
for idx, topic in lda_model.print_topics(-1):
    print('Topic: {} \nWords: {}'.format(idx, topic))

# 计算主题相关性
coherence_model_lda = CoherenceModel(model=lda_model, texts=texts, dictionary=dictionary, coherence='c_v')
coherence_lda = coherence_model_lda.get_coherence()
print('\nCoherence Score: ', coherence_lda)

这个程序首先导入所需的库，然后将数据导入为一个DataFrame，并对其进行分词处理。接下来，程序构建一个词典，并将文本转换为词袋形式。最终，程序使用Gensim库中的LDA模型来训练主题模型，并计算主题相关性。程序输出每个主题的主要词汇，并打印主题相关性得分。