python中的TfIdf计算

Question

我是python的新手，我想写一个函数，在给定两个参数的情况下，计算词频倒数文档频率。在

参数： docs…….列表列表，其中每个子列表包含一个文档的标记。 doc_frequencs…dict-from term到document frequency（一个特定术语在多少个文档中）。在

期望输出：

index = create_tfidf_index([['a', 'b', 'a'], ['a']], {'a': 2., 'b': 1., 'c': 1.})
index['a']
[[0, 0.0], [1, 0.0]]
index['b']  
[[0, 0.301...]]

查找doc_freq的我的代码（tfidf函数中的第二个参数）

^{pr2}$

现在有谁能帮我用上面描述的这两个参数来计算tf-idf，并产生如我所示的输出。。在

请帮帮大家！！！在

Answer 1

我会用scikit-learn来做这个，除非你必须自己为考试编写函数。在

这是一个像样的tutorial。在

这方面的官方文件也相当不错。它演示了tokenization和实际的{a4}。在

希望这对你有帮助。在