python文本特征抽取LDA模型代码

以下是一个简单的Python文本特征抽取LDA模型代码：

import numpy as np
import re
import nltk
from nltk.stem import PorterStemmer
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.decomposition import LatentDirichletAllocation

# 读取数据
df = pd.read_csv('data.csv', delimiter='\t')

# 数据预处理
corpus = []
stemmer = PorterStemmer()
for i in range(len(df)):
    text = df['text'][i]
    text = re.sub('[^a-zA-Z]', ' ', text)
    text = text.lower()
    text = nltk.word_tokenize(text)
    text = [stemmer.stem(word) for word in text]
    text = ' '.join(text)
    corpus.append(text)

# 特征提取
cv = CountVectorizer(max_features=5000, stop_words='english')
X = cv.fit_transform(corpus)

# LDA模型训练
lda = LatentDirichletAllocation(n_components=10, random_state=42)
lda.fit(X)

# 输出主题及其关键词
features = cv.get_feature_names()
for topic_idx, topic in enumerate(lda.components_):
    print("Topic #%d:" % topic_idx)
    print(" ".join([features[i] for i in topic.argsort()[:-10 - 1:-1]]))
    print()

该代码将文本数据读入Pandas DataFrame中，对文本进行预处理（移除非字母字符、转为小写、分词、词干提取），使用CountVectorizer进行特征提取，然后使用LatentDirichletAllocation训练LDA模型，并输出每个主题及其关键词。注意，这里仅使用了5000个最常见的词作为特征，您可以根据自己的需求进行调整。