加权TF-IDF特征向量中的特定特征，用于k均值聚类和余弦相似性

Question

我有一组TF-IDF特征向量。我想使用两种方法在数组中找到类似的向量：

1. 余弦相似度
2. k-means群集

使用Scikit Learn，这个过程非常简单。

现在我想对某些功能进行加权，以便它们比其他功能更能影响结果。例如，我可能想对TF-IDF向量的前100个元素进行加权，以使这些特征比其他特征更能表示相似性。

如何对我的特征向量中的某些特征进行有意义的加权？对于我上面列出的每个相似度算法，加权某些特征的过程是否相同？

Answer 1

据我所知，TFIDF矩阵中的低值表示单词不太重要。因此，一种方法是降低矩阵中您考虑的列的值。

scikit中的数组很稀疏，因此对于测试和调试，您可能希望转换为常规矩阵。我还使用xlsxwriter来概述应用TFIDF和KMeans ++时的实际情况（参见）https://www.dbc-enterprise-it-consulting.com/text-classifier/。