---
title: TfIdfVectorizer
description: "从输入Tensor中提取n-grams，并将其保存为向量形式。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/aolapi/atlasoxol_09_0163.html
sourcePath: /source/zh/canncommercial/900/API/aolapi/atlasoxol_09_0163.html
indexId: 901ca218fd09f8eb8f986a244d77aefb95ca009dec4e400e268f2d9b22f293b363
---
# TfIdfVectorizer

#### 功能

从输入Tensor中提取n-grams，并将其保存为向量形式。


#### 输入

X：输入Tensor，数据类型支持int32、int64、string（UTF-8），输入shape为[C]或[N, C]，其中N为batch，C为序列长度。


#### 属性

max_gram_length：int，指定n-grams的最大长度。

max_skip_count：int，指定生成n-grams时，在X中跳过的最大元素个数（词或字符）。若max_skip_count=1，min_gram_length=2，max_gram_length=3，则可能生成skip_count=0和 skip_count=1的2-grams和3-grams。

min_gram_length：int，指定n-gram的最小长度。若min_gram_length=2，max_gram_length=3，输出中则可能包含2-grams和3-grams。

mode：string，权重标准，可以是“TF”（term frequency），“IDF”（inverse document frequency）和“TFIDF”（TF and IDF）。

ngram_counts：int列表，不同长度n-gram在pool中的起始位置。

ngram_indexes：int列表，ngram-indexes中的第i个元素表示第i个n-gram在输出Tensor中的坐标。

pool_int64s：int列表，表示从训练集学习到的n-grams。

pool_strings：string列表，表示从训练集学习到的n-grams。

weights：float列表，存储pool中每个n-grams的权重。


#### 输出

Y：输出Tensor，数据类型为float，若输入shape为[C]，则输出shape为[max(ngram_indexes) + 1]；若输入shape为[N, C]，则输出shape为[N, max(ngram_indexes) + 1]。


#### 限制与约束

pool_int64s与pool_strings不可同时定义。


#### 支持的ONNX版本

Opset v9/v10/v11/v12/v13/v14/v15/v16/v17/v18