TF-IDF值和文本向量化

最新推荐文章于 2025-06-10 15:54:49 发布

原创

最新推荐文章于 2025-06-10 15:54:49 发布 · 8.8k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#python

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