计算TFIDF的三种方法：Python、sklearn、gensim
直接根据公式手写代码，灵活度高，但是速度较慢。
sklearn提供了TfidfVectorizer这个接口来计算tfidf值。这个接口会返回一个存储tfidf值的稀疏矩阵。将这个稀疏矩阵转化成稠密矩阵或者array的话，就会占用内存过大，不可取。
不建议使用sklearn的方法。
将每个句子对应到一个列表，每个列表里是句长个数的元组，每个元组是单词id和tfidf值的组合。id是通过gensim里面的一个接口获得的。
有一点需要处理的是，每个句子对应的列表里元组出现的顺序并不是原始句子中单词出现的顺序，而是按照id的大小排序的。
如果我们想要将得到的tfidf值出现的顺序变为单词在句中出现的顺序，需要将得到gensim形式的列表处理一下。
gensim有自动去除停用词的功能，比如the
gensim会自动去除单个字母，比如i
gensim会去除没有被训练到的词，比如name
所以通过gensim并不能计算每个单词的tfidf值
所以我们需要对gensim方法进行改进，以得到按原始词顺序组织的tfidf值列表。