1回答
为什么矢量化语料库的值与通过idf_属性获得的值不同？idf_属性不应该只返回反向文档频率(IDF)，就像它出现在矢量化语料库中一样吗？(1, 4) 0.44832087319911734 (1, 3) 0.44832087319911734 词汇表和idfprint(vectorizer.vocabulary_) 输出： {'this': 3,
&
浏览 15提问于2019-06-19得票数 2
回答已采纳
本页：提到：----> 1 vectorizer.idf_
AttributeErr
浏览 179提问于2014-05-22得票数 31
回答已采纳
，其中我有一个fit()方法，它将语料库转换为一个字典，以及一个名为idf()的函数，其中它将计算一个特定单词在给定语料库中出现的次数，以及一个transform()函数，其中我正在计算IDF值。term_freq = freq/(len(document)) # the number of times a word occured in a document
浏览 1提问于2021-06-18得票数 1
我正在使用scikit-learn来查找tf-idf值。D1 = "The sky is blue." Docs blue bright sky sun
D1 tf-idf 0.0000000 tf-idf 0.0000000D2 0.0000000 tf-idf 0.0000000 tf-idf
浏览 0提问于2014-06-04得票数 8
谁能给我解释一下什么是bm-25，它与以前使用的tf-idf有什么不同，为什么5.0+版本中的Elasticsearch将他们的评分算法从tf-idf改为bm25。
浏览 2提问于2017-05-05得票数 0
我正在尝试在一个集合上训练NLP模型，保存词汇和模型，然后将其应用于单独的验证集。代码正在运行，但我如何确保它如我所期望的那样工作？换句话说，我已经从训练集中保存了一个词汇和nmodel，然后我用保存的词汇创建了TFidfVectorizer，最后我在新的验证笔记上使用了"fit_transform“。这是否仅适用于经过训练的词汇和模型？它不是从验证集中“学习”了什么新东西吗？训练，然后加载词汇和模型，并应
浏览 0提问于2019-08-20得票数 1
1回答
我在R中四处游玩，以找到tf-idf值。D1 = "The sky is blue." Docs blue bright sky sun
浏览 0提问于2014-06-03得票数 0
回答已采纳
2回答
我正在创建来自不同网站的关键字，并将它们保存在bd中。if (empty($keywords)){$keywords = $ekeywords->Keys($webhtml);我使用<e
浏览 1提问于2012-12-02得票数 2
回答已采纳
1回答
我正在尝试重写编写的代码(它是用Python编写的)，但现在正在发火。tfidf = TfidfVectorizer() 我读过火花文档，是否有必要在
浏览 10提问于2022-08-29得票数 1
回答已采纳
我有一个文本文档的集合。我被要求在tf-idf向量空间和ntc形式中显示每个文档，然后在python中训练一个基于文档向量的svm模型。ntc在这里到底是什么意思？我发现它与tf-idf权重相同，只需一步归一化即所谓的“余弦归一化”。但是我找不到关于这件事的信息。我发现“余弦相似度”与“余弦归一化”不同。它们是一样的吗？我如何在python中创建这个向量呢？
浏览 2提问于2021-01-07得票数 0
2回答
TF-IDF文档排序与二元独立排序模型有何不同？我无法区分它们。
我认为二进制独立模型的实际实现导致了TF-IDF。如果我错了，请帮帮我。
浏览 17提问于2017-02-02得票数 1
回答已采纳
我实现了一个程序，根据它的TFIDF相似度评分对文档进行排序，给用户输入。public boolean doSublinear = false; // Sublinear tf-idf
public boolean doBoolean = false;相似性的精确文档，它不返回值1。如果我将用户输入设置为：Logic Based Knowledge Representation，我得到的输出和TFIDF为5.165(对于与输入有100%相似性的</
浏览 2提问于2015-02-16得票数 0
回答已采纳
2回答
我有一组(~50k元素)的小文本片段(通常是一个或两个句子)，每个片段都带有从5k单词列表中选择的一组关键字。
我将如何去实现一个系统，从这个例子中学习，然后用相同的关键字来标记新句子？我不需要代码，我只是在寻找一些关于如何实现这一点的指针和方法/文件/可能的想法。
浏览 3提问于2015-09-07得票数 2
回答已采纳
1回答
克米恩斯没有生产出肘部
、、、
我有一个大约300,000个唯一产品名称的数据框架，我正在尝试使用k均值将相似的名称聚在一起。我使用sklearn的tfidfvectorizer将名称矢量化，并将其转换为tf-idf矩阵。接下来，我在tf-idf矩阵上运行k均值，簇的数量从5到25。然后我绘制了每#个集群的惯性图。
根据情节，我处理问题的方法是错误的吗？如果没有截然不同的肘部，有什么要注意<em
浏览 1提问于2016-08-17得票数 0
我已经读得够多了，但我在网上找不到任何适合新手的例子。我想要做的是；<field name="content" stored="true" indexed="true" multiValued="true" termVectors="true"/>当我输入以下查询时
localhost&
浏览 0提问于2012-11-01得票数 0
回答已采纳
1回答
我有两个文件doc1.txt和doc2.txt。place to visit terms doc1 tf-idf tf-idftf-idf
浏览 7提问于2014-06-10得票数 0
我正在尝试从一个庞大的新闻文章语料库中检索主题列表，我计划使用gensim使用LDA来提取每个文档的主题分布。我想知道lda的gensim实现所需的处理文章的格式，以及如何将原始文章转换为该格式。我在维基百科上看到了关于使用lda的链接，但我发现语料库处于已处理状态，其格式在任何地方都没有提到
浏览 5提问于2012-04-02得票数 3
回答已采纳
有许多不同的方法可以计算tf和idf。我想知道gensim在其LSA模型中使用的是哪个公式。我一直在研究它的源代码lsimodel.py，但我不清楚文档术语矩阵是在哪里创建的(可能是因为内存优化)。在中，我看到文档术语矩阵的每个单元格都是该单词在该文档中的对数频率除以该单词的熵：idf(w, D) = 1 / (-Σ_D p(w) l
浏览 10提问于2017-12-02得票数 0
回答已采纳
1回答
我有一个使用余弦相似度的约束。如果变量(属性、列)的类型不同，并以以下形式出现：如何进行矢量化以应用余弦相似度？对于字符串，我可以使用简单的tf-idf。但是对于数字和布尔值呢？如何将这些结合起来呢？我的想法是向量应该是1+1+1+20长度。但是，仅仅将记录的数字转换为矢量中的系数，并将它们与字符串的<em
浏览 5提问于2013-03-20得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
