0
我想一个接一个地使用几种信息检索技术。对于每一个我想要的文本进行预处理完全相同的方式。我的预处理文本是以单词列表的形式提供的。不幸的是scikit-learn TfidfVectorizer似乎只接受字符串列表。目前,我做这样的(这当然是非常低效的):TFIDF与以前预处理的数据
from sklearn.feature_extraction.text import TfidfVectorizer
train_data = [["the","sun","is","bright"],["blue","is","the","sky"]]
tfidf = TfidfVectorizer(tokenizer=lambda i:i.split(","))
converted_train = map(lambda i:",".join(i), train_data)
result_train = tfidf.fit_transform(converted_train)
是否有使用scikit-学习TfidfVectorizer直接在这种预处理的数据进行信息检索的方法吗?
如果没有,是否可以让TfidfVectorizer进行预处理并在之后重新使用其预处理的数据?