Проблемы при векторизации TFIDF токенизированных документов?

Я вектурирую текст blob с токенами, которые имеют следующий стиль:

hi__(how are you), 908__(number code), the__(POS)

Поскольку вы можете видеть, что токены привязали некоторую информацию с помощью __(info), я извлекаю ключевые слова, используя tfidf, следующим образом:

vectorizer = TfidfVectorizer()
X = vectorizer.fit_transform(doc)
indices = np.argsort(vectorizer.idf_)[::-1]
features = vectorizer.get_feature_names()

Проблема в том, что когда я делаю описанную выше процедуру для извлечения ключевых слов, я подозреваю, что объект vectorizer удаляет скобки из моего текстового элемента. Таким образом, какой параметр из объекта tfidf vectorizer можно использовать для сохранения такой информации в скобках?

ОБНОВИТЬ

Я также попытался:

from sklearn.feature_extraction.text import TfidfVectorizer

def dummy_fun(doc):
    return doc

tfidf = TfidfVectorizer(
    analyzer='word',
    tokenizer=dummy_fun,
    preprocessor=dummy_fun,
    token_pattern=None)  

а также

from sklearn.feature_extraction.text import TfidfVectorizer

def dummy_fun(doc):
    return doc

tfidf = TfidfVectorizer(
    tokenizer=dummy_fun,
    preprocessor=dummy_fun,
    token_pattern=None) 

Однако это возвращает мне последовательность символов вместо токенов, которые я уже обозначил:

['e', 's', '_', 'a', 't', 'o', 'c', 'r', 'i', 'n']