捕获文本中的特征偏移量的文本向量器？

Question

我正在使用sklearn从文本中提取特征以进行文本分类。我相信我需要的信息往往在文档的开头，所以我想以某种方式捕捉每个文档的每个特性的偏移量(第一次出现，或者所有外观的平均偏移量)。有什么向量器能做到吗？或者其他有效地提取这些信息的方法？

谢谢!

Answer 1

一种方法是创建另一个存储此信息的矩阵。Scikit-学习将文本特性存储在文档标记矩阵中.此矩阵的单元格将是文档中的标记索引。然后，该矩阵可用作建模过程中的特征。

它需要编写一个与学习的计数载体实现类似的自定义向量器。