使用sklearn查找文档中特定单词的tf-idf得分

Question

我有一些代码在文档集合上运行基本的TF-IDF矢量化工具，返回DXF的稀疏矩阵，其中D是文档数，F是数字的条款。没问题。

但是，如何找到文档中特定术语的TF-IDF分数？即在术语之间（在其文本表示中）和它们在所产生的稀疏矩阵中的位置之间是否存在某种词典？

Answer 1

是的。请参阅您的装配/转换TF-IDF矢量器上的.vocabulary_。

In [1]: from sklearn.datasets import fetch_20newsgroups 

In [2]: data = fetch_20newsgroups(categories=['rec.autos']) 

In [3]: from sklearn.feature_extraction.text import TfidfVectorizer 

In [4]: cv = TfidfVectorizer() 

In [5]: X = cv.fit_transform(data.data) 

In [6]: cv.vocabulary_ 

它的形式为一个字典：

{word : column index in array}