博客

tf.contrib.learn.preprocessing.VocabularyProcessor (max_document_length, min_frequency=0, vocabulary=None, tokenizer_fn=None)

参数：


max_document_length

: 文档的最大长度。如果文本的长度大于最大长度，那么它会被剪切，反之则用0填充。


min_frequency

: 词频的最小值，出现次数小于最小词频则不会被收录到词表中。


vocabulary

: CategoricalVocabulary 对象。


tokenizer_fn

：分词函数

代码：

from tensorflow.contrib import learn
import numpy as np
max_document_length = 4
x_text =[
    'i love you',
    'me too'
]
vocab_processor = learn.preprocessing.VocabularyProcessor(max_document_length)
vocab_processor.fit(x_text)
print next(vocab_processor.transform(['i me too'])).tolist()
x = np.array(list(vocab_processor.fit_transform(x_text)))
print x

[1, 4, 5, 0]
[[1 2 3 0]
 [4 5 0 0]]

文档地址：

http://tflearn.org/data_utils/