可以使用plsa进行上面的过程吗

是的，可以使用pLSA模型来计算困惑度。以下是计算pLSA模型困惑度的Python代码示例：

import numpy as np
from sklearn.decomposition import NMF
from sklearn.metrics import log_likelihood

# 准备数据
corpus = ["文本1", "文本2", ...]
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(corpus)

# 训练pLSA模型
num_topics = 10
plsa_model = NMF(n_components=num_topics)
doc_topics = plsa_model.fit_transform(X)

# 计算困惑度
doc_word_dist = np.dot(doc_topics, plsa_model.components_)
ll = log_likelihood(X.toarray(), doc_word_dist)
ppl = np.exp(-ll / X.sum())
print("困惑度：", ppl)

需要注意的是，pLSA模型和LDA模型的主题数调优方法类似，可以使用困惑度指标来选择最优的主题数。