使用CountVectoriz为LDA主题模型准备数据集

Answer 1

幸运的是，我找到了一个给我答案的博客。在

当我使用以下方法标记文本时：

import re
REGEX = re.compile(r",\s*")
def tokenize(text):
    return [tok.strip().lower() for tok in REGEX.split(text)]

并将标记器传递给CountVectorizer，如下所示：

^{pr2}$