Python Scikit学习：TF-IDF中的空词汇表

我正在使用这个问题的投票最多的答案（）中给出的代码来计算文档之间的TF-IDF。但是，我观察到，当我运行代码时，没有指定自定义值

min_df

（1，在代码中），如果两个文档完全不同（因此它们中没有公共单词），而不是接收到TF-IDF值0，我会得到以下错误：

ValueError：空词汇表；训练集可能只包含停止词，或者最小值df（分别为最大值df）可能过高（分别为过低）。

有人能告诉我如何消除这个错误吗？

默认情况下（在sklearn默认情况下）（在sklearn中，我认为不是“TF-IDF值为0”，而是“余弦相似性为0”。TF-IDF值是大小

n\u特征==len的向量（vectorizer.词汇表）

，一个向量对应于对中的每个文档。我认为不是“TF-IDF值为0”，而是指“余弦相似性为0”。TF-IDF值是大小

n\u features==len（vectorizer.词汇表）

，而是一个向量对应于对中的每个文档。