文本的主题模型分析是文本语义分析中十分重要的内容，一般而言，主题模型有无先验主题不分层（如基础的LDA），有先验主题不分层（如结构化主题模型），无先验主题分层（如HLA），有先验主题分层等四类。
根据研究情境与研究对象，选择相应的主题模型开展研究，通常可以用R和Python中的算法包来实现，具体而言，R 里常用的 LDA、STM、Topicmodel 等包； Python 里常用的 gensim、pystm等。
pystm 实际是对 R 中的 stm 包的python版封装(2018年5月发布0.1版)，见 https://pypi.org/project/pystm/，缺详细说明，不推荐使用。
gensim 是 python 里最强大的主题模型包，见 https://radimrehurek.com/gensim/
利用 gensim 中的 word2vec 模型来实现文本的分布式表征，见 <>
