Получить верхний термин для каждого документа - scikit tf-idf

Question

После векторизации нескольких документов с помощью scikit tf-idf vectorizer , есть ли способ получить самый «влиятельный» термин для каждого документа?

Я нашел только способы получения наиболее «влиятельных» терминов для всего корпуса, но не для каждого документа.

Answer 1

Просто добавьте еще один способ сделать это в последние два шага: Ami :

# Get a list of all the keywords by calling function
feature_names = np.array(count_vect.get_feature_names())
feature_names[X_train_tfidf.argmax(axis=1)]

Answer 2

Скажем, вы начинаете с набора данных:

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
import numpy as np
from sklearn.datasets import fetch_20newsgroups

d = fetch_20newsgroups()

Используйте векторизатор счета и tfidf:

count_vect = CountVectorizer()
X_train_counts = count_vect.fit_transform(d.data)
transformer = TfidfTransformer()
X_train_tfidf = transformer.fit_transform(X_train_counts)

Теперь вы можете создать обратное отображение:

m = {v: k for (k, v) in count_vect.vocabulary_.items()}

и это дает влиятельное слово в документе:

[m[t] for t in np.array(np.argmax(X_train_tfidf, axis=1)).flatten()]