如何用Gensim实现LDA主题建模后映射每条推文到对应主题？

假设你已经完成Gensim LDA模型训练，且有预处理好的推文语料（词袋或TF-IDF格式），可按以下步骤给每条推文分配主题：

1. 获取单条推文的主题概率分布 #

训练好的LDA模型可直接对单条预处理后的推文（词袋格式）进行推断，得到各主题的概率值：

# lda_model为训练完成的Gensim LDA模型
# bow_corpus是预处理后的词袋语料，此处取单条推文的词袋表示
single_tweet_bow = bow_corpus[0]  # 示例取第一条推文
topic_distribution = lda_model[single_tweet_bow]

topic_distribution返回列表，每个元素是(主题ID, 概率值)的元组，例如[(0, 0.1), (1, 0.85), (2, 0.05)]。

2. 确定推文的主导主题 #

从概率分布中筛选概率最高的主题，即为该推文所属主题：

# 按概率降序排序，取第一个元素的主题ID
dominant_topic = max(topic_distribution, key=lambda x: x[1])[0]

若需保留概率值，可同时获取主题ID与对应概率：

dominant_topic, max_prob = max(topic_distribution, key=lambda x: x[1])

3. 批量处理所有推文 #

遍历语料，给每条推文分配主导主题，可额外关联主题关键词便于理解：

tweet_topics = []
for idx, bow in enumerate(bow_corpus):
    topic_dist = lda_model[bow]
    dominant_topic, max_prob = max(topic_dist, key=lambda x: x[1])
    # 可选：获取该主题的top关键词
    topic_keywords = lda_model.show_topic(dominant_topic)
    tweet_topics.append({
        "推文索引": idx,
        "主导主题ID": dominant_topic,
        "主题概率": max_prob,
        "主题关键词": topic_keywords
    })

关于NMF的主题分配 #

若使用NMF实现类似功能，Scikit-learn中可通过训练好的模型transform方法获取主题分布，再取概率最高的主题：

from sklearn.decomposition import NMF
from sklearn.feature_extraction.text import TfidfVectorizer

# 假设已完成TF-IDF向量化与NMF模型训练
tfidf_vectorizer = TfidfVectorizer()
tfidf_matrix = tfidf_vectorizer.fit_transform(tweets)
nmf_model = NMF(n_components=5, random_state=42)
nmf_model.fit(tfidf_matrix)

# 单条推文主题分配
single_tweet_tfidf = tfidf_vectorizer.transform([single_tweet_text])
topic_dist = nmf_model.transform(single_tweet_tfidf)[0]
dominant_topic = topic_dist.argmax()

内容的提问来源于stack exchange，提问作者Couture TXST