如何为classifi创建二进制特征向量

Question

我成功地实现了支持向量机分类器。我没有使用scikit方法。我目前正在用不同类型的数据训练它。现在，我想测试一个文本输入。 我试着用熊猫，但后来我不得不改变我的方法，所以我决定不使用它。 该分类器被用于情绪分析，有正面、负面和中性标签。输入分类器的数据集由来自twitter的tweets组成。 这是我的分类器：https://pastebin.com/JZ5LVLW7

因此，我需要在python中设计一个函数，它将接受一个字符串输入，将它与我的特性列表进行比较，生成一个二进制向量。或者，如果有其他选择，请务必建议。 示例：如果我的文本输入是“足球在欧洲是一项受欢迎的运动” 因此，所提出的函数将扫描特征列表（已经通过测试数据生成），如果特征列表中存在诸如“足球”、“流行”、“运动”、“欧洲”等特征词，则会附加1或0。因此，在扫描完函数之后，输出应该是[…，1,0,1,1,0,0,0，…]。在

Answer 1

用你感兴趣的单词和相同大小的热编码器创建一个词汇表。阅读文本文件，并更新热编码器，以防在词汇表中找到单词。这个代码应该有效。在

vocabulary = ['Football', 'Europe'] # Put your targer words in here
hot_encoder = [0] * len(vocabulary)
binary_bag = dict(zip(vocabulary, hot_encoder))
with open('text.txt', 'r') as f: #Put your text sample in here
    words = [word for line in f for word in line.split()]
    for word in words:
        if word in vocabulary and binary_bag[word] == 0:
            binary_bag[word] = 1