在语料库中提取“代表性”（不一定是最常见的）4 克的推荐方法？TF-IDF 或

问：

我有一个包含 500 篇研究文章的语料库，我想提取前 4 克，不仅仅是基于最高频率，而是与一般研究文章类型的相关性（该类型的 4 克特征）。

推荐使用 TF-IDF，使用 Scikit-learn，我根据 TF-IDF 分数获得了 4 克的列表。

问题：TF-IDF 分数高意味着 4 克出现在较少的文章中。如果这些 4 克出现在较少的文章中，它们如何代表研究文章类型？您还有什么其他建议吗？

谢谢。