随着计算机技术的不断进步，人类创造的数据正以爆炸式的速度增长，传统的集中式的信息检索在面对海量数据时往往不堪重负，分布式的信息检索系统开始越来越受到人们的重视。集合选择的目标是在分布式信息检索中，对于一个给定的查询，在保证检索结果准确度的情况下，选择最相关的部分信息集检索。针对分布式信息检索时用户关心的检索结果往往只在少数集合内的现象，考虑语义关系对检索的影响，本文提出一种基于LDA（Latent Dirichlet Allocation，潜在狄利克雷分布）主题模型的集合选择方法LBCS:该方法使用基于查询的采样方法获取各集合描述信息，然后用基于关键词相关度和基于主题相关度结合的方法估计查询与样本集中文档的综合相关度，再通过样本集文档所属的集合信息，估计查询与各集合的相关度，最后检索与查询相关度最高的部分集合。在实验部分中，选取ReDDE方法和CRCS方法作为基准方法，在TREC数据集上对比了三种方法的检索效果。实验结果表明本文提出的方法能有效选择到与查询相关的集合，相对于两种基准方法有更高的召回率和准确率。