Scikit-learn 有一个很好的潜在狄利克雷分配实现，我认为它与 tidytext 中的实现一样简单易用。这里有教程。

此外，Python 有 SpaCy，在 NLP 管道工具方面，它比 R 迄今为止的任何东西都更光滑，

我确实喜欢 R，而且我觉得它仍然是一种比 Python 更好的整理和处理数据的语言。Tidytext 目前在获取数据进出主题模型方面比 Python 中的任何东西都好。但是，对于文本挖掘，Python 是比 R 更好的资源。

要添加到@Nicholas James Bailey 的答案：

tidytext为两种不同的主要操作提供功能：文本挖掘和文本建模。

我认为我们标记、整理和准备文本数据的文本挖掘部分更加独特。正如所指出的，文本数据有几种模型替代方案，其中一些可以说更好。

在python中的文本挖掘方面，这是我总结的经验。有一些有用的库，例如NLTK 和其他。此外，许多文本处理操作（如标记化）在 python 中使用基本功能比在 R 中更容易实现，无需外部包。

然而，它最大的优势tidytext是它的整洁方法，这对于 R 尤其是tidyverse环境来说是非常独特的。

我的首选解决方案

因此，我实际上已经停止寻找 Python 的替代品tidytext，而是在 R 中准备和整理我的数据，然后通过reticulate在我的 R 笔记本中集成它们来在 Python 中建模。