我正在嘗試計(jì)算大約 7000 個文檔的語料庫的 tfidf 值。在互聯(lián)網(wǎng)上搜索，我找到了很多示例（當(dāng)我嘗試為每個文檔創(chuàng)建唯一詞矩陣時，其中許多示例被鎖定）。唯一有效的似乎是下面的代碼from sklearn.feature_extraction.text import TfidfVectorizerimport pandas as pdtfidf = TfidfVectorizer()x = tfidf.fit_transform(corpus)df_tfidf = pd.DataFrame(x.toarray(), columns=tfidf.get_feature_names())print(df_tfidf)假設(shè)以下語料庫corpus = [ 'This is the first document.', 'This document is the second document.', 'And this is the third one.', 'Is this the first document?']它產(chǎn)生了這樣的輸出：這段代碼也適用于我的情況，事實(shí)上它生成了一個包含 7180 行和 10390 列的矩陣。但我不確定這是否正確。您認(rèn)為，這是計(jì)算一組文檔的 tfidf 的有效解決方案嗎？ps：我可以插入我關(guān)注的指南鏈接嗎？