zjc的专栏

原创 tf-idf（term frequency–inverse document frequency）含义

在文本挖掘和自然语言处理方面，tf-idf是非常重要也非常常用的算法。 tf：词频，是指某个词在某篇文章中出现的频率。比如，某篇文章共1000个词汇，其中hello出现5次，那么其tf=5/1000。tf最直观的理解就是，当一个词在本文中出现的频率越高，则这篇文章的主题和这个词的相关可能性越大。 这种直观理解是否准确呢？可以说相当不准确。举例来说，一篇文章中出现最多的字词可能是你、