我从文本审阅中获取了一个用于预测情绪的数据集,最初,我清理了数据(删除了标点符号,删除了停用词,标记化)。当我尝试将Tokenized数据作为输入给TFIDF矢量化器时, AttributeError:“列表”对象没有属性“较低”。请帮助我克服这个错误。
答案 0 :(得分:2)
TF-IDF向量化处理原始(即未标记化)文本,并自行进行标记化。
fit_transform
方法需要可迭代的字符串。应用NLTK令牌生成器会将评论字符串转换为字符串列表(令牌列表)。
如果您出于某些原因不信任scikit-learn中的内部标记器,则可以自定义标记器:
tfidf = TfidfVectorizer(tokenizer=nltk.word_tokenize)