Sklearn学习如何从每个主题获取10个单词

Question

我想从每个主题中获得前10个单词的频率，在我使用TfidfTransformer之后，我得到:并且类型是scipy.sparse.csr.csr_matrix

但我不知道如何从每个列表中获得前十个，在数据中，(0，*)表示0列表，直到( 5170，*)表示5170列表。

我试着把它转换成numpy，但是失败了。

  (0, 19016)    0.024214182003181053
  (0, 28002)    0.03661443306612277
  (0, 6710) 0.02292100371816788
  (0, 27683)    0.013973969726506812
  (0, 27104)    0.02236713272585597
  (0, 6889) 0.0403281034949193
.
.
.
 (5169, 3236)   0.014432449220428715
  (5169, 19134) 0.014346823328868169
  (5169, 32915) 0.002047199186262409
  (5170, 35899) 0.49931779368675605
  (5170, 36444) 0.3479717717856863
  (5170, 15014) 0.5608169649159123

Answer 1

您可以使用TfidfVectorizer公开get_feature_names方法。转换器没有这种方法，但是文档清楚地说明了Vectorizer等同于后面跟着转换器的CountVectorizer。如果你不想使用这个，那么我认为你会在矢量化之前先构建一个查找。

文档中的TfidfVectorizer：https://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.text.TfidfVectorizer.html

编辑:要对TfidfVectorizer的fit_transform输出进行排序和切片，正常的稀疏矩阵操作应该有效。