如何基于tf-idf-Python获取顶级术语

这是我的python代码

tfidf = TfidfVectorizer(tokenizer=tokenize, stop_words='english')
tfidf_matrix = tfidf.fit_transform(token_dict.values())
print tfidf_matrix

结果如下：

        (0, 210)    0.14152686101
        (0, 1)      0.0707634305049
        (0, 261)    0.212290291515
        (0, 11)     0.135603306032
              : :
        (3, 49)     0.0709465134358
        (3, 37)     0.315905243912
        (3, 374)    0.11487463415
        (3, 192)    0.057437317075

---

我想返回的是前10名（基于他们的tfidf）术语的名称和每个文档的tfidf分数

在tfidf_矩阵中，每一行对应一个文档。您可以取出每一行并argsort（），这将为您提供术语中具有最高（最低）值的列。这样你就可以提取它。然后，您可以将相同的索引输入到矩阵本身的行中，以获得分数

#convert your matrix to an array to loop over it
mat_array = tfidf_matrix.toarray()

# get your feature names
fn = tfidf.get_feature_names()

for l in mat_array: 
print [(fn[x],l[x]) for x in (l*-1).argsort()][:10]

不知道您希望如何输出它，但是您显然可以通过多种方式来实现，或者在循环过程中将所有内容保存在数据结构中，然后再进行输出。与-1相乘只是为了让argsort（）从高到低排列，以获得更具可读性的切片语法。

print[（fn[x]，l[x]）表示（l*-1）中的x。argsort（）[：10]^SyntaxError:无效语法