如何在单个文档的 tfidf 矩阵中找到哪个单词具有最大 tfidf？

Question

我目前正在使用以下代码。我已经为所有文档存储了 tfidf 矩阵，现在我需要特定文档的前 n 个单词吗？ 我不知道如何获得它？

这是我目前使用的代码。我现在需要从每个 tfidf 最高的文档中找到单词

import glob
import pandas as pd
import math
filenames=[]
corpus = []
df=pd.DataFrame(columns=['article','similar','score'])
for file in glob.glob("*.txt"):
    with open(file, "r") as paper:
    corpus.append((file, paper.read()))
    filenames.append(file)
from sklearn.feature_extraction.text import TfidfVectorizer

tf = TfidfVectorizer(analyzer='word', ngram_range=(1,1), min_df = 0, stop_words = 'english')
tfidf_matrix =  tf.fit_transform([content for file, content in corpus])

Answer 1

您可以使用np.argmax获取索引，然后使用它在TfidfVectorizer._vocabulary中查找对应的单词，如：

vocab_lookup = {v:k for k,v in tf.vocabulary_.items()}
[vocab_lookup[np.argmax(v)] for v in tfidf_matrix]