TF-IDF算法

TF-IDF（Term Frequency-Inverse Document Frequency，词频-逆文档频次）算法是一种基于统计的计算方法，常用于评估一个文档集中一个词对某份文档的重要程度。一个词对文档越重要，那就越可能是文档的关键词，常将TF-IDF算法用于关键词提取中。

TF-IDF算法由两部分组成：TF算法以及IDF算法。

TF算法是统计一个词在一篇文档中出现的频次，一个词在文档中出现的次数越多，则其对文档的表达能力越强。

IDF算法是统计一个词在文档集的多少个文档中出现，一个词在越少的文档中出现，则其对文档的区分能力越强。

TF = 某个词在文档中出现的次数 / 文档总词数

IDF = log(文档集中总文档数 / (文档集中出现该词的文档数量+1))

TF-IDF = TF × IDF