Python 使用Sci工具包的计数向量器转换输入，仅匹配词汇表中的精确单词

我有一个二维数组。数组的每一行都是烹饪配方，每一列都包含配方的成分。我想创建一个标准化的成分二进制矩阵。标准化的二进制矩阵将具有与配方矩阵相同的行数（对于每个配方）和每列中所有成分的二进制向量。如果配方中存在该成分，则该元素的值为1（如果不是零值）

现在，二进制矩阵的出现次数超过1。这是因为计数向量器匹配词汇表中的多个单词。 例如，假设我的词汇是

{'chicken': 0, 'chicken broth': 1, 'carrots': 2}

假设我要变换的向量是

['chicken','carrots']

二元矩阵将这样变换

[2, 0, 1]

当我想要的时候

[1,0,1]

这是因为“鸡”与“鸡”搭配，但也与“鸡汤”搭配。下面是我的代码片段。我只想匹配词汇表中某个单词的精确出现次数。是否有任何参数或任何方式，我可以用来实现这一点？我尝试了ngrams参数，但没有成功

cv = CountVectorizer(vocabulary=unique_igredients,lowercase=False)
taggedSentences = cv.fit_transform(unique_igredients)

#encode document

for i in recipes:
    vector = cv.transform(i)
    mylist = sum(map(numpy.array, vector.toarray()))
    vectorized_matrix_m.append(mylist.tolist())

---

N-grams可用于将单词

chicken

从

鸡汤中分离出来。N-grams（在本例中为双克）将
鸡汤
（2个不同的标记）转换为单个标记
鸡汤
，因此我们可以按需要的方式表示成分的计数：
[1,0,1]
而不是
[2,0,1]
。这里有一个答案链接。要使用Scikit learn实现n-gram，您需要将
n-gram\u range
参数设置为任务所需的n-gram（双克、三克等）。对于本例，它是
n_gram\u range=（2）
，需要根据成分的最大字数增加

注意：不要使用N克范围的如
N克范围=（1,2）
，这仍然会导致代币
鸡肉
与双克代币
鸡肉肉汤
分开计算

总之，您可以如下更改代码的第一行（假设
max\u word\u count
是如上所述的最大字数）：

希望这个迟来的答案有帮助
 问题解决了吗？
cv = CountVectorizer(vocabulary=unique_ingredients, lowercase=False, ngram_range=(max_word_count))