Skip to main content
 首页 » 编程设计

python之针对某些关键字修改 tf-idf vectorizer

2025年04月02日9tintown

我正在创建一个 tf-idf 矩阵来寻找余弦相似度。但我希望一组中的一些常用词具有更多权重(即 tf-idf 值)。

tfidf_vectorizer = TfidfVectorizer() 
tfidf_matrix = tfidf_vectorizer.fit_transform(documents) 

如何为特定集合中的单词修改上述 tfidf_matrix。

请您参考如下方法:

我使用 csr 类型的 tfidf 矩阵转换为二维数组,

my_matrix = tfidf_matrix.toarray() 

然后,找出关键词使用的索引,

tfidf_vectorizer.vocabulary_.get(keyword) 

之后,遍历二维矩阵,根据需要改变tf-idf值。此处,keyword_list 包含我们要修改 tf-idf 值的关键字索引。

    for i in range(0, len(my_matrix)): 
    for key in keyword_list: 
        if key != None: 
            key = (int)(key) 
        if my_matrix[i][key] > 0.0: 
            my_matrix[i][key] = new_value 

同样,将 my_matrix 更改为 csr_type 使用,

tfidf_matrix = sparse.csr_matrix(my_matrix) 

因此,针对关键字列表修改了 tfidf_matrix。