python 中文tfidf关键词提取

在Python中，同样可以使用scikit-learn库中的TfidfVectorizer来进行中文TF-IDF关键词提取。需要注意的是，需要使用中文分词工具对中文文本进行分词，然后将分好词的文本列表传入TfidfVectorizer中进行TF-IDF计算。下面是一个示例代码：

from sklearn.feature_extraction.text import TfidfVectorizer
import jieba

# 中文文本列表
text_list = ['这是第一篇文档。', '这是第二篇文档。', '这是第三篇文档。']

# 使用jieba分词对文本进行分词
text_list = [' '.join(jieba.cut(text)) for text in text_list]

# 创建TfidfVectorizer对象
vectorizer = TfidfVectorizer()

# 转换文本列表为TF-IDF矩阵
tfidf_matrix = vectorizer.fit_transform(text_list)

# 获取词汇表
words = vectorizer.get_feature_names()

# 遍历每一篇文档，输出TF-IDF值最高的前5个词汇作为关键词
for i in range(len(text_list)):
    print('文档%d的关键词：' % (i+1))
    tfidf = tfidf_matrix[i].toarray()[0]
    top_words = [(words[j], tfidf[j]) for j in tfidf.argsort()[:-6:-1]]
    for word, score in top_words:
        print('\t%s\t%.2f' % (word, score))

运行上述代码，将输出每篇文档的关键词及其对应的TF-IDF值。其中，关键词按照TF-IDF值从高到低排序，只输出TF-IDF值最高的前5个词汇。