如何使用scikit找到关于文档的术语的TF-IDF

Question

我正在尝试将scikit应用于自然语言处理，我首先阅读一些教程。我找到了这个http://www.markhneedham.com/blog/2015/02/15/pythonscikit-learn-calculating-tfidf-on-how-i-met-your-mother-transcripts/，它解释了如何从一组文档中获取tfidf分数。

但是我有一个问题，TF-IDF应该依赖于一个术语，该术语的文档以及所有待分析文档的集合。

所以，例如。在两个文件A和B的集合中，如果我们使用文档A计算TF-IDF而不是相同的术语，但是通过分析来自的术语频率，则术语' horse '应获得不同的TF-IDF分数文件B.

如何使用scikit计算特定文档的术语TF-IDF？

Answer 1

在教程中你提到过TF-IDF计算如下：

tfidf_matrix =  tf.fit_transform(corpus)

引用：＆＃34;如果我们看一下tfidf_matrix，我们预计它会是一个208 x 498254 矩阵 - 每一行行，每个短语的列 ＆＃34;。 因此，对于此矩阵中的每个剧集（文本），每个短语 的TF-IDF是不同的 。正如你所料。

矩阵元素tfidf_matrix [document，phrase]是语料库特定文档（所有文档）中每个特定短语的TF-IDF值。