質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.50%

  • Python 3.x

    6418questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • Jupyter

    256questions

TfidfVectorizerの結果をTF-IDF値でソートして単語と対応させて表示させたい

受付中

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 286

wandmaker

score 1

ある1つの文章をjanomeで分かち書きし、
sklearnのTfidVectorizerにかけて、
TF-IDFを得ています。

ベクトルとして結果が得られていることは下記ページからも分かるのですが、
http://ailaby.com/tfidf/
TF-IDFでソートし、対応する希少性の高い単語を表示させたいです。

初心者のため見当違いなことを言っているかもしれません。
その際はご指摘いただけると幸いです。

vectorizer = TfidfVectorizer(use_idf=True, norm=None, \
token_pattern=u'(?u)\\b\\w+\\b')

vectorizer.vocabulary_.items
のitemsや
tfidf = vectorizer.fit_transform(wakatilist)
pd.DataFrame(tfidf.toarray()).index
のindexを使って組んでいけばいいような気がするのですが...。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

0

tfidf = vectorizer.fit_transform(wakatilist).toarray()
feature_names = np.array(vectorizer.get_feature_names())
index = tfidf.argsort(axis=1)[:,::-1]
n = 10  # いくつほしいか
feature_words = [feature_names[doc[:n]] for doc in index]


各文書ごとに特徴語を取り出したければ、こんな感じでいけると思います。

 追記

せっかくなので簡単なサンプルを。

import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.datasets import fetch_20newsgroups

news20 = fetch_20newsgroups()
vectorizer = TfidfVectorizer(min_df=0.03)

tfidf = vectorizer.fit_transform(news20.data[:1000]).toarray()
feature_names = np.array(vectorizer.get_feature_names())
index = tfidf.argsort(axis=1)[:,::-1]
feature_words = [feature_names[doc] for doc in index]

n = 5  # top何単語取るか
m = 10  # 何記事サンプルとして抽出するか
targets = np.array(news20.target_names)[news20.target[:m]]

for fwords, target in zip(feature_words, targets):
    print(target)
    print(fwords[:n])

""" =>
rec.autos
['car' 'was' 'this' 'the' 'where']
comp.sys.mac.hardware
['washington' 'add' 'guy' 'speed' 'call']
comp.sys.mac.hardware
['the' 'display' 'anybody' 'heard' 'disk']
comp.graphics
['division' 'chip' 'systems' 'computer' 'four']
sci.space
['error' 'known' 'tom' 'memory' 'the']
talk.politics.guns
['of' 'the' 'com' 'to' 'says']
sci.med
['thanks' 'couldn' 'instead' 'file' 'everyone']
comp.sys.ibm.pc.hardware
['chip' 'is' 'fast' 'ibm' 'bit']
comp.os.ms-windows.misc
['win' 'help' 'please' 'appreciated' 'figure']
comp.sys.mac.hardware
['the' 'file' 'lost' 've' 'it']
"""

それっぽく動いているようです。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.50%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python 3.x

    6418questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • Jupyter

    256questions