如何使用gensim从受约束的词汇表中过滤出语料库中的单词？

Question

我正在使用gensim进行主题建模。我使用

创建了一个语料库

wordDict = corpora.Dictionary(trimmedTextTokens)

gsCorpus = [wordDict.doc2bow(text) for text in trimmedTextTokens]

其中trimmedTextTokens是删除停用词的结果。现在我想从语料库中过滤出不在限制词或构造词汇表列表中的术语。有任何想法吗？谢谢!!

Answer 1

假设您的受限词汇表位于名为restrictedVocabularyList的变量中，您可以这样做：

wordDict = corpora.Dictionary(trimmedTextTokens)

gsCorpus = [wordDict.doc2bow(text) for text in trimmedTextTokens if text in restrictedVocabularyList]