应用gensim LDA主题建模后，如何为每个主题获取概率最高的文档，并将其保存在csv文件中？

import pandas as pd
from gensim import corpora, models

# 假设文本数据集存储在一个名为documents的列表中
# 进行文本预处理，如分词、去除停用词、词干化等
# 将预处理后的文本数据集存储在一个名为processed_documents的列表中

# 创建词袋模型，将文本数据集转换为向量表示
dictionary = corpora.Dictionary(processed_documents)
corpus = [dictionary.doc2bow(doc) for doc in processed_documents]

# 运行LDA主题建模算法，设置主题数目为num_topics
num_topics = 10  # 假设设置主题数目为10
lda_model = models.LdaModel(corpus, num_topics=num_topics, id2word=dictionary)

# 获取每个主题的概率最高的文档
topic_documents = []
for topic_id in range(num_topics):
    # 获取主题topic_id的概率最高的文档
    top_document = max(lda_model[corpus], key=lambda x: x[topic_id][1])
    topic_documents.append(top_document)

# 将结果保存在csv文件中
data = {'Topic': range(num_topics), 'Document': topic_documents}
df = pd.DataFrame(data)
df.to_csv('topic_documents.csv', index=False)