Python 如何将CountVectorizer中的特定项加上余弦_相似度加权？

我正在编写一些代码，在这些代码中，我获取了一组附加了主题代码的文档，然后对它们运行CountVectorier，以生成与用户配置文件的相似性

因此，如果我们调用主题代码A、B、C等，那么我将这样的文档加载到数据帧中：

| Document ID | Subject Codes |
|-------------|---------------|
| 1           | A B           |
| 2           | B C           |
| 3           | C             |

等等

因此，我要做的第一件事是在subject codes字段上运行CountVectorizer fit_transform，并将其存储到

subject_code_count_matrix

用户对各种（但不是所有）文档都有评分（共5分），因此为了获得对用户的建议，我加载了他们的所有评分和相关文档ID。评分为5分，所以我将其除以5来加权。这将产生如下数据帧：

| Document ID | Weighted Rating |
|-------------|-----------------|
| 2           | 0.4             |

等等

然后我生成一个用户配置文件，如下所示：

| Document ID | Weighted Rating |
|-------------|-----------------|
| 2           | 0.4             |

user\u profile=np.dot（主题代码计数矩阵[user\u ratings['index'].values].toarray（）.T，user\u ratings['weighted\u ratings'].values）

然后，为了生成用户可能感兴趣的文档，我执行以下操作：

user\u subject\u code\u similarity\u matrix=pd.数据帧（余弦\u相似度（np.至少\u 2d（用户配置文件）、subject\u code\u count\u matrix））
对于索引，用户\主题\代码\相似性\矩阵中的分数。iloc[0]。排序\值（升序=False）。iteritems（）：
... 排序值在这里

所以我的问题是——有没有一种方法可以让我对任何包含特定主题代码的文档进行加权？就像现在的用户对文档进行评分一样，我的理解是，评分低的文档只会降低看起来与该文档相似的文档的权重。因此，在我上面的示例中，如果我想对任何包含主题代码C的文档进行总体加权，即使对文档3的最低评分为1（加权评分为0.2），也只对看起来像文档3的文档进行加权，文档3是完全包含主题代码C的文档，而不是任何包含主题代码C的文档，这样正确吗？那么，除了用户的个人资料外，还有没有一种方法可以让我对带有特定主题代码的文档进行评分

---

理想情况下，我不想弄乱

subject\u code\u count\u matrix

变量，因为它是在一组非常大的文档上生成的（生成它需要几分钟），我多次重复使用它进行比较。如果可以通过这种方式实现加权，我可以复制它。

您是否考虑过使用

TfidfVectorizer

而不是

CountVectorizer

？@SergeyBushmanov我确实考虑过，但这会带来什么好处？我不太关心对不经常出现的术语进行排名，我希望所有术语都具有相同的权重（除非我没有，这是例外，也是我问题的基础）。除非TF-IDF为我提供了一种以这种方式加权条款的方法？