TF-IDF值和文本向量化

该博客介绍如何利用TF-IDF方法计算特征值,将文本转换为向量空间模型,便于后续分析。通过Python实现,最终将文档转换为.arff文件,适配WEKA工具。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

根据提取的特征词计算特征值,即TF-IDF。采用向量空间模型(VSM)将文档表示成向量,并将文档输出为WEKA能处理的.arff格式。

直接上代码:

#!/user/bin/python
# -*- coding: utf-8 -*-

import codecs
import math

# 特征词列表
feture_word = []  # 存放特征词
feture_word_dic = {}  # 存放特征词DF
feture_word_dic2 = {}  # 计算并存放每个特征词的IDF

f = codecs.open('/Users/Administrator/Desktop/ni.txt','rb',encoding='utf-8')
for line in f:
    line = line.split()
    IDF = math.log(4205/float(line[1]),10)  
    fet
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值