在计数向量器中使用哪个轴？

Question

我想创建一个文档术语矩阵。在我的情况下，它不像文档x单词，而是句子x单词，因此这些句子将充当文档。我在文档术语矩阵创建后使用“ l2”规范化。

术语计数对于我进一步使用SVD创建摘要非常重要。

我的查询是哪个轴适合应用'l2'归一化。经过充分的研究，我了解到：

• Axis = 1：会让我知道该单词在句子中的重要性（逐行规范化）
• Axis = 0：单词在文档中的重要性（行规范化）。

即使在了解了理论之后，我仍然无法决定选择哪种选择，因为选择将极大地影响我的总结结果。因此，请为我提供解决方案以及理由。

Answer 1

通过L2归一化，您是指除以总数吗？如果沿轴= 0进行归一化，则x_{i,j}的值是单词j在所有句子i上的概率（除以全局单词数），这取决于句子的长度，例如较长的单词可以一遍又一遍地重复一些单词，并且此单词的可能性更高，因为它们对全局单词计数有很大贡献。如果您沿axis = 1进行归一化，那么您要问的是，句子沿长度的归一化，句子是否具有相同的单词构成。