文本特征提取代码

文本特征提取是将文本转化为计算机可以处理的向量表示的过程。常见的文本特征提取方法包括词袋模型、TF-IDF、Word2Vec等。

下面是使用Python中的sklearn库实现词袋模型和TF-IDF的代码示例：

from sklearn.feature_extraction.text import CountVectorizer, TfidfVectorizer

# 定义文本数据
text_data = ["hello world",
             "hello python",
             "python is a great programming language",
             "python is popular",
             "I love python"]

# 构建词袋模型
count_vectorizer = CountVectorizer()
count_vectorizer.fit(text_data)
bag_of_words = count_vectorizer.transform(text_data)
print(bag_of_words.toarray())

# 构建TF-IDF模型
tfidf_vectorizer = TfidfVectorizer()
tfidf_vectorizer.fit(text_data)
tfidf = tfidf_vectorizer.transform(text_data)
print(tfidf.toarray())

注：以上代码需要在安装了sklearn库的环境下运行。