我有一组文档（存储为.txt文件）。我还有一个包含一些选定单词的python字典。我只想将 tf-idf 分数分配给文档集中的这些单词，而不是所有单词。如何使用scikit-learn或任何其他库来完成此操作？
我已经参考了这篇博文，但它提供了完整的词汇。
您可以使用
CountVectorizer 来执行此操作，它将文档扫描为文本并转换为术语文档矩阵，并在矩阵上使用TfidfTrasnformer。
这两个步骤也可以与TfidfVectorizer组合并一起完成。
这些位于sklearn.feature_extraction.text模块 [链接] 中。
这两个过程都将返回相同的稀疏矩阵表示，我认为您可能会通过TruncatedSVD进行 SVD 变换以获得更小的密集矩阵。
当然，您也可以自己动手，这需要保留两张地图，每张文档一张，一张整体，用于计算术语。这就是他们在引擎盖下运作的方式。
这个页面有一些很好的例子。