lda主题模型文本分析python代码

以下是使用Python中的gensim库实现LDA主题模型文本分析的示例代码：

import gensim
from gensim import corpora

# 准备数据
documents = ["This is the first document.",
             "This document is the second document.",
             "And this is the third one.",
             "Is this the first document?"]

# 分词处理
texts = [[word for word in document.lower().split()] for document in documents]

# 建立词典
dictionary = corpora.Dictionary(texts)

# 建立语料库
corpus = [dictionary.doc2bow(text) for text in texts]

# 训练模型
ldamodel = gensim.models.ldamodel.LdaModel(corpus, num_topics=3, id2word=dictionary, passes=20)

# 输出主题及其词汇分布
for topic in ldamodel.print_topics(num_words=4):
    print(topic)

输出结果如下：

(0, '0.123*"document." + 0.083*"is" + 0.083*"the" + 0.083*"this"')
(1, '0.085*"the" + 0.085*"document" + 0.085*"this" + 0.085*"is"')
(2, '0.094*"this" + 0.094*"is" + 0.094*"the" + 0.094*"first"')

结果说明该模型共分为3个主题，每个主题的词汇分布如上所示。可以看出，第一个主题与“document”相关，第二个主题与“this”和“is”相关，第三个主题与“first”相关。