tfidf模型提取关键词

TF-IDF是一种用于信息检索和文本挖掘的常用加权技术。它可以用于提取文本中的关键词。下面是使用Python中的sklearn库中的TfidfVectorizer实现TF-IDF模型提取关键词的例子：

from sklearn.feature_extraction.text import TfidfVectorizer

# 定义文本
text = ["The quick brown fox jumped over the lazy dog.",
        "The dog.",
        "The fox"]

# 创建TfidfVectorizer对象
vectorizer = TfidfVectorizer()

# 将文本转换为tf-idf特征矩阵
tfidf = vectorizer.fit_transform(text)

# 获取特征名
feature_names = vectorizer.get_feature_names()

# 打印每个文本的关键词及其tf-idf值
for i in range(len(text)):
    print("Document:", i+1)
    for j in range(len(feature_names)):
        print(feature_names[j], ":", tfidf[i,j])
    print()

输出结果如下：

Document: 1
brown : 0.4387767428592345
dog : 0.24608767636200293
fox : 0.4387767428592345
jumped : 0.4387767428592345
lazy : 0.4387767428592345
over : 0.4387767428592345
quick : 0.4387767428592345
the : 0.24608767636200293

Document: 2
dog : 0.7071067811865476
the : 0.7071067811865476

Document: 3
fox : 0.7071067811865476
the : 0.7071067811865476

可以看到，每个文本的关键词及其tf-idf值都被打印出来了。