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。
