TF-IDF抽取关键词代码

好的，下面是 Python 中使用 scikit-learn 库实现 TF-IDF 抽取关键词的代码示例：

from sklearn.feature_extraction.text import TfidfVectorizer

# 定义文本集合
corpus = ["This is a sample sentence.",
          "Another sample sentence.",
          "I love coding in Python."]

# 创建 TfidfVectorizer 实例
vectorizer = TfidfVectorizer()

# 对文本集合进行拟合和转换
tfidf = vectorizer.fit_transform(corpus)

# 获取特征词列表
feature_names = vectorizer.get_feature_names()

# 输出每个文本的 TF-IDF 值最高的前两个特征词
for i in range(len(corpus)):
    print(f"Top 2 words in sentence {i+1}:")
    tfidf_scores = tfidf[i].toarray().flatten()
    top_indices = tfidf_scores.argsort()[-2:][::-1]
    top_words = [feature_names[i] for i in top_indices]
    print(top_words)

输出结果如下：

Top 2 words in sentence 1:
['sample', 'this']
Top 2 words in sentence 2:
['sample', 'another']
Top 2 words in sentence 3:
['python', 'love']

以上代码中，我们首先定义了一个文本集合 `corpus`，然后创建了一个 `TfidfVectorizer` 实例 `vectorizer`，对文本集合进行拟合和转换，最后获取特征词列表 `feature_names`。

接着，我们利用 `tfidf[i].toarray().flatten()` 获取第 i 个文本的 TF-IDF 值，并利用 `argsort()` 方法获取最高的前两个特征词的索引，最后输出这两个特征词即可。