如何为我的分类器创建二元特征向量

Question

我已经成功实现了 SVM 分类器。我没有使用 scikit 方法。我目前正在使用不同类型的数据对其进行训练。现在，我想针对单个文本输入对其进行测试。 我尝试使用 pandas，但后来我不得不改变我的方法，所以我决定不使用它。 该分类器被用于带有正面、负面和中性标签的情绪分析。馈送到分类器的数据集由来自 twitter 的推文组成。 这是我的分类器：https://pastebin.com/JZ5LVLW7

因此，我需要帮助在 python 中设计一个函数，该函数将接受一个字符串输入，将其与我的特征列表进行比较并生成一个二进制向量。或者如果有其他选择，请提出建议。 示例：如果我的文本输入是“足球是欧洲的一项流行运动” 因此，提议的函数将扫描特征列表（已经在测试数据的帮助下生成），如果特征列表中出现“足球”、“流行”、“运动”、“欧洲”等特征词，它将append 1 or else 0. 因此，通过函数扫描后，输出应该类似于 [..., 1,0,1,1,0,0,0,...]。

Answer 1

使用您感兴趣的单词和相同大小的热门编码器创建一个词汇表。阅读文本文件，并更新热编码器，以防您在词汇表中找到单词。这段代码应该可以工作。

vocabulary = ['Football', 'Europe'] # Put your targer words in here
hot_encoder = [0] * len(vocabulary)
binary_bag = dict(zip(vocabulary, hot_encoder))
with open('text.txt', 'r') as f: #Put your text sample in here
    words = [word for line in f for word in line.split()]
    for word in words:
        if word in vocabulary and binary_bag[word] == 0:
            binary_bag[word] = 1