Python 如何将共生矩阵转换为稀疏矩阵

我开始处理稀疏矩阵，所以我对这个主题不是很精通。我的问题是，我有一个单词列表中的简单coo出现矩阵，只是一个二维共现矩阵，逐字计算一个单词在同一上下文中出现的次数。由于语料库没有那么大，所以矩阵非常稀疏。我想把它转换成一个稀疏矩阵，以便更好地处理它，最后再做一些矩阵乘法。这里是我到目前为止所做的工作（仅第一部分，其余只是输出格式和清理数据）：

我的想法是创建一个新功能：

def matrix_to_sparse(d):
    A = sparse.lil_matrix(d)

这有什么意义吗？然而，这是不工作的，不知何故，我不知道如何得到一个稀疏矩阵。我应该更好地使用numpy阵列吗？最好的方法是什么。我想比较许多处理矩阵的方法

---

如果有人能给我指点方向，那就太好了。

以下是如何从一组SciPy的COO格式的文档构建文档术语矩阵

a

，这是易用性和效率之间的一个很好的折衷（*）：

现在，要获得共现矩阵：

A.T * A

（忽略对角线，它保持项与项本身的共现，即平方频率）

---

或者，使用一些为您提供此类服务的软件包，例如或。（我对这两个项目都有贡献，所以这可能不是公正的建议。）

应该对您有用。如果你不使用字典，我会说直接把它放到一个矩阵中。是的，但我也想用单词来映射共现，如果我把语料库直接放到矩阵中，这行吗？我对此表示怀疑。哦，是的，我听说过scikit learn，但我还没有尝试过。我猜A.t*A的意思是：转置A*A，对吗？有什么简单的方法可以在python中实现吗？@El_Patrón:

A.T

是用于转置的Numpy/Scipy语法；只需复制并粘贴我键入的表达式：）好的，谢谢。我在“提取术语（doc）”方面遇到了一些问题，我是否缺少这里的模块？@El_Patrón：这是一个你应该自己定义的函数。如果一个文档，在你的表述中，只是一个术语列表，那么你可以完全跳过它。@larsmans-嗨，你能给我指一下scikit learn中的模块吗，它可以让你计算单词共现矩阵？

vocabulary = {}  # map terms to column indices
data = []        # values (maybe weights)
row = []         # row (document) indices
col = []         # column (term) indices

for i, doc in enumerate(documents):
    for term in doc:
        # get column index, adding the term to the vocabulary if needed
        j = vocabulary.setdefault(term, len(vocabulary))
        data.append(1)  # uniform weights
        row.append(i)
        col.append(j)

A = scipy.sparse.coo_matrix((data, (row, col)))

A.T * A