Es fundamental comprender el código correctamente previamente a usarlo a tu trabajo y si ttienes algo que aportar puedes compartirlo con nosotros.
Solución:
Tienes que hacer un poco de una canción y bailar para obtener las matrices como arreglos numpy, pero esto debería hacer lo que estás buscando:
feature_array = np.array(tfidf.get_feature_names())
tfidf_sorting = np.argsort(response.toarray()).flatten()[::-1]
n = 3
top_n = feature_array[tfidf_sorting][:n]
Esto me da:
array([u'fruit', u'travellers', u'jupiter'],
dtype='
El argsort
call es realmente útil, aquí están los documentos para ello. Tenemos que hacer [::-1]
porque argsort
solo admite la clasificación de pequeño a grande. Nosotros llamamos flatten
para reducir las dimensiones a 1d para que los índices ordenados se puedan usar para indexar la característica 1d array. Tenga en cuenta que incluyendo la llamada a flatten
solo funcionará si está probando un documento a la vez.
Además, en otra nota, ¿quisiste decir algo como tfs = tfidf.fit_transform(t.split("nn"))
? De lo contrario, cada término en la línea múltiple string está siendo tratado como un "documento". Utilizando nn
en cambio, significa que en realidad estamos viendo 4 documentos (uno para cada línea), lo que tiene más sentido cuando piensas en tfidf.
Solución usando la propia matriz dispersa (sin .toarray()
)!
import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
tfidf = TfidfVectorizer(stop_words='english')
corpus = [
'I would like to check this document',
'How about one more document',
'Aim is to capture the key words from the corpus',
'frequency of words in a document is called term frequency'
]
X = tfidf.fit_transform(corpus)
feature_names = np.array(tfidf.get_feature_names())
new_doc = ['can key words in this new document be identified?',
'idf is the inverse document frequency caculcated for each of the words']
responses = tfidf.transform(new_doc)
def get_top_tf_idf_words(response, top_n=2):
sorted_nzs = np.argsort(response.data)[:-(top_n+1):-1]
return feature_names[response.indices[sorted_nzs]]
print([get_top_tf_idf_words(response,2) for response in responses])
#[array(['key', 'words'], dtype='
Puntuaciones y reseñas
Si piensas que ha resultado útil este artículo, te agradeceríamos que lo compartas con el resto desarrolladores de esta forma nos ayudas a difundir este contenido.