以下是一个使用Python中的gensim库来实现LDA主题建模的示例代码：

import gensim
from gensim import corpora

# 准备数据
texts = [
    ['apple', 'banana', 'orange'],
    ['apple', 'banana', 'orange', 'grape'],
    ['banana', 'orange', 'grape'],
    ['orange', 'grape'],
    ['orange', 'grape', 'kiwi'],
    ['banana'],
    ['banana', 'kiwi'],
    ['kiwi']
]

# 创建词典
dictionary = corpora.Dictionary(texts)

# 创建语料库
corpus = [dictionary.doc2bow(text) for text in texts]

# 构建LDA模型
lda_model = gensim.models.LdaModel(corpus=corpus, id2word=dictionary, num_topics=2, passes=10)

# 打印出每个主题的关键词
topics = lda_model.print_topics(num_words=3)
for topic in topics:
    print(topic)

这个示例中，我们首先准备了一个包含不同主题文本的数据集。然后，我们使用gensim库中的corpora模块创建了一个词典，并将文本转换成词袋表示。接下来，我们使用LDA模型进行主题建模，其中num_topics参数指定了我们希望得到的主题数目。最后，我们打印出每个主题的关键词。

注意：在实际应用中，你可能需要对文本进行预处理，例如去除停用词、标点符号等，以及调整LDA模型的参数来获得更好的结果。