Python 使用CountVectorizer从文件列表创建稀疏矩阵失败

我希望能得到一些帮助。我正在尝试编写一个Python程序，用CountVectorier对每个文件中的单词进行计数，然后创建一个稀疏矩阵。我正在创建一个列表，其中包含应该分析的每个文件的目录。这些文件每行有一个字，这就是token_模式为“+”的原因，因此它在每一个换行处分割数据。这很好，但是当我尝试用fit_transform（）转换它时，我得到了一个退出代码1，我只是不知道该怎么做了

import os
from sklearn.feature_extraction.text import CountVectorizer
a = "C:/Datensatz/feature_vectors"
dirs = os.listdir(a)
filename_paths = []
for file in dirs:
    filename_paths.append(a + "/" + file)
print(filename_paths)
vec = CountVectorizer(input="filename", token_pattern="+", lowercase=False)
print("vec fertig")
sparse_matrix = vec.fit_transform(filename_paths)
print("sparse fertig")

---

令牌_模式必须为“+”