De belangrijkste woorden vinden
Rangschik termen die elk document definiëren
De belangrijkste woorden vinden is een gratis NLP Academy-les op CoddyKit. Dit is les 4 van 4. Je kunt 3 lessen uit dit leerpad gratis volledig lezen — daarna ontgrendelt CoddyKit PRO alle lessen, plus praktische oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject NLP Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus NLP Academy bevat in totaal 4 lessen.
Van scores naar inzicht
Een TF-IDF-matrix staat vol getallen, maar de echte opbrengst zit in de interpretatie ervan. De woorden met de hoogste score laten zien waar elk document echt over gaat.
Eén rij per document
Elke rij van de matrix is één document en elke kolom één woord. Om kerntermen te vinden, scan je één rij op de hoogste waarden.
Eén rij ophalen
Haal het document op waarin je geïnteresseerd bent en zet het om in een platte array. Deze vector bevat voor elk woord in de woordenschat een TF-IDF-gewicht.
row = X[0].toarray().flatten()Woorden aan scores koppelen
Koppel elk gewicht aan het bijbehorende woord met behulp van de kenmerknamen. Nu hoort elke score bij de term waaraan die echt toebehoort.
words = vec.get_feature_names_out()
pairs = list(zip(words, row))Sorteren op gewicht
Sorteer die koppels van hoogste naar laagste score. De woorden bovenaan zijn de meest onderscheidende termen van dit document.
pairs.sort(key=lambda p: p[1], reverse=True)Neem de beste paar
Meestal heb je er maar een handvol nodig. Door de beste resultaten te nemen, krijg je snel een leesbare samenvatting van het document. 🏆
for word, score in pairs[:5]:
print(word, round(score, 3))Dit zijn trefwoorden
Die bovenste termen werken als automatische trefwoorden voor labels, zoeken of het snel maken van een onderwerpnaam, zonder handmatig werk.
Documenten vergelijken
Pas dezelfde aanpak toe op elke rij en je krijgt per document een vingerafdruk. Door deze vingerafdrukken te vergelijken, zie je welke teksten op elkaar lijken.
Let op onbruikbare termen
Als vreemde tokens hoog eindigen, moet je tekst eerst beter worden opgeschoond. Sterke trefwoorden hangen af van goede voorbewerking vóór TF-IDF.
Een snelle zoektruc
Door de overlap tussen twee TF-IDF-vectoren te meten, krijg je een eenvoudige zoekfunctie op basis van gelijkenis. Documenten met veel woorden met een hoog gewicht vormen een sterke overeenkomst.
Je hebt een klein hulpmiddel gebouwd
Met enkele regels haal je nu de woorden op die elk document definiëren. Die trefwoordextractor is een echt nuttig onderdeel van NLP. ⭐
Korte controle
Hoe vind je vanuit de TF-IDF-rij van een document de belangrijkste woorden?
Samenvatting
Je sorteerde een TF-IDF-rij, koppelde scores aan woorden en haalde de beste trefwoorden op. Datzelfde idee vormt de basis voor labels en zoeken op gelijkenis. ✅
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “De belangrijkste woorden vinden” gratis?
Ja — je kunt hier op het web alle 3 lessen van het leerpad NLP Academy, waaronder “De belangrijkste woorden vinden”, gratis volledig lezen. Daarna ontgrendelt CoddyKit PRO alle lessen, plus interactieve oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. De cursus NLP Academy bevat in totaal 4 lessen.
Wat leer ik in “De belangrijkste woorden vinden”?
Rangschik termen die elk document definiëren Je oefent met NLP Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met NLP Academy te beginnen?
Ervaring vooraf is niet nodig. NLP Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 4 van 4.
Hoe lang duurt de les “De belangrijkste woorden vinden”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over NLP Academy?
Ja. Elke les over NLP Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Het probleem met ruwe tellingen
- Term frequency en inverse document frequency
- TF-IDF met scikit-learn
- De belangrijkste woorden vinden