TF-IDF 如何只获取单词列表

Question

我知道我们可以在 tf-idf 中使用停用词列表，但是有没有办法只获取单词列表而忽略其他单词？
例如，这里我声明了一个停用词列表：
vectorizer = TfidfVectorizer(stop_words="english")
如果我只想在句子中考虑 cat 和 dog，我想要类似：
vectorizer = TfidfVectorizer(keep_words=["cat", "dog"])
我的目标是仅考虑特定单词进行文本聚类？
有解决办法吗？

Answer 1

是的。 假设你有一个单词数组

words = ['you','me','we']
TfidfVectorizer(vocabulary=words)

您可以使用词汇表参数仅传递选定的单词。