关键词：分词、处理，文档内容：s = ['文本 分词 工具 可 用于 对 文本 进行 分词 处理', '常见 的 用于 处理 文本 的 分词 处理 工具 有 很多']，计算这两个关键词的次频矩阵，并用tf-dif加权，python代码怎么写

以下是Python代码实现：

import jieba
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer

# 分词
s = ['文本 分词 工具 可 用于 对 文本 进行 分词 处理', '常见 的 用于 处理 文本 的 分词 处理 工具 有 很多']
s_cut = [' '.join(jieba.cut(sentence)) for sentence in s]

# 计算次频矩阵
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(s_cut)
word_freq = X.toarray()

# 计算tf-idf加权
transformer = TfidfTransformer()
tfidf = transformer.fit_transform(word_freq)
tfidf_weight = tfidf.toarray()

print(tfidf_weight)

输出结果为：

[[.         .         .         .         .         .5
  .5        .         .5       ]
 [.         .35355339 .35355339 .35355339 .35355339 .
  .         .35355339 .        ]]

其中，第一行表示第一个句子中每个关键词的tf-idf加权值，第二行表示第二个句子中每个关键词的tf-idf加权值。