如何提前判断 CountVectorizer 是不是会抛出 ValueError: empty words?
Posted
技术标签:
【中文标题】如何提前判断 CountVectorizer 是不是会抛出 ValueError: empty words?【英文标题】:How to tell in advance if CountVectorizer will throw ValueError: empty vocabulary?如何提前判断 CountVectorizer 是否会抛出 ValueError: empty words? 【发布时间】:2019-05-31 22:22:13 【问题描述】:是否可以提前知道CountVectorizer
会不会抛出
ValueError:空词汇?
基本上,我有一个文档语料库,我想过滤掉那些不会通过CountVectorizer
的文档(我正在使用stop_words='english'
)
谢谢
【问题讨论】:
【参考方案1】:您可以使用build_analyzer()
识别这些文档。试试这个!
from sklearn.feature_extraction.text import CountVectorizer
corpus = [
'This is the first document.',
'This document is the second document.',
'And this is the third one.',
'Is this the first document?',
'this is to',
'she has'
]
analyzer = CountVectorizer(stop_words='english').build_analyzer()
filter_condtn = [True if analyzer(doc) else False for doc in corpus ]
#[True, True, False, True, False, False]
附: :我太困惑了,看不到第三个文档中的所有单词都是停用词。
【讨论】:
以上是关于如何提前判断 CountVectorizer 是不是会抛出 ValueError: empty words?的主要内容,如果未能解决你的问题,请参考以下文章
如何在 CountVectorizer 中对句子应用权重(计算每个句子标记数次)
如何在 scikit-learn 管道中的 CountVectorizer 之前包含 SimpleImputer?