用途：从文本集合中抽取潜在主题，适合对文档、评论、语料等做主题发现与归类。
主要能力：使用 LDA（Latent Dirichlet Allocation）进行主题建模；为每个主题提取代表性关键词；将文档分配到主题；提供主题词云与分布可视化；计算一致性分数（Coherence Scores）以评估主题质量。
使用方式：通过命令行运行，例如 python topic_modeler.py --input documents.csv --column text --topics 5 --output topics.json，指定输入文件、文本列、主题数量与输出文件。
依赖：gensim>=4.3.0、nltk>=3.8.0、pandas>=2.0.0、matplotlib>=3.7.0、wordcloud>=1.9.0。
适用场景：需要对一批文本做无监督主题归纳、关键词概览或文档主题分类时使用。
限制：资料未提供具体安装步骤、参数完整列表、支持的语言、性能与效果说明，也未说明收费或平台信息，这些暂未提供。