產品回饋的 TF-IDF 表示法
你正與一家智慧家庭公司的客服團隊合作。他們蒐集了多種智慧裝置的使用者回饋，想找出每篇評論中最突出的字詞。你建議使用 TF-IDF 技術，來凸顯各則回饋中最具代表性的詞彙。讓我們一起幫他們開始吧！
已為你預先載入一個 preprocess() 函式，會接收文字並回傳處理後的結果。此函式會進行轉小寫、斷詞與移除標點符號。Pandas 已以 pd 匯入，且 TfidfVectorizer 類別可直接使用。
本練習屬於課程
Python 的 Natural Language Processing（NLP）
練習說明
- 初始化一個 TF-IDF
vectorizer。 - 將清理後的評論轉換為
tfidf_matrix。 - 建立一個以詞彙表為欄位的 DataFrame
df，其內容來自tfidf_matrix。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
reviews = ["The smart speaker is incredible. Clear sound and fast responses!",
"I am disappointed with the smart bulb. It stopped working in a week.",
"The thermostat is okay. Not too smart, but functional."]
cleaned_reviews = [preprocess(review) for review in reviews]
# Initialize the vectorizer
vectorizer = ____
# Transform the cleaned reviews
tfidf_matrix = ____
# Create a DataFrame for TF-IDF
df = pd.DataFrame(
tfidf_matrix.toarray(),
columns=vectorizer.____
)
print(df.head())