我想在一组文档中找到最相关的词。
我想对3个文档调用Tf Idf算法，并返回包含每个单词及其频率的csv文件。
在那之后，我将只使用数量较大的那些，然后使用它们。
我发现此实现可以实现我所需的https://github.com/mccurdyc/tf-idf/。
我用subprocess图书馆叫那个罐子。但是该代码存在一个巨大的问题：它在分析单词时犯了很多错误。它混入了一些单词，并且与'and -（我认为）存在问题。我正在3本书（哈利·波特）的文本上使用它，例如，我正在获取诸如此类的单词，hermiones, hermionell, riddlehermione, thinghermione而不仅仅是hermione在csv文件中。
我做错什么了吗？您能给我Tf idf算法的有效实现吗？有没有这样做的python库？