TF-IDF计算三

逆向文件频率(inverse document frequency,IDF)是一个词语普遍重要性的度量。某一特定词语的IDF,可以由总文件数目除以包含该词语之文件的数目,再将得到的商取对数.

 

IDF i = log N / n i

 

N 是代表语料库中文件数量的总数, n i 是代表包含词语n i 的文件数目所包含的词 i 的总数.

 

class IDFs
{
 HashMap<String,Double> IDFsList = new HashMap<String, Double>();
 ArrayList<ArrayList<String>> IDFsMainFileList = new ArrayList<ArrayList<String>>();
 ArrayList<String> IDFsave = new ArrayList<String>();
 int Ncount;
 
 
 public IDFs(ArrayList<ArrayList<String>> idf)
 {
  IDFsMainFileList = idf;
  Ncount = IDFsMainFileList.size();
 }
 
 public HashMap<String,Double> PrintIDFs()
 {
  for(int i=0; i<IDFsMainFileList.size(); i++)
  {
   ArrayList<String> IDFsSubFileList = IDFsMainFileList.get(i);
    
   ArrayList<String> list = new ArrayList<String>();
   
   for(int j=0; j<IDFsSubFileList.size(); j++)
   {
    if(!list.contains(IDFsSubFileList.get(j)))
    {
     list.add(IDFsSubFileList.get(j));
     
     //Take elements from arraylist<arraylist<string>>
     if(!IDFsList.containsKey(IDFsSubFileList.get(j)))
     {
      
      IDFsList.put(IDFsSubFileList.get(j),1.0);//save elements to arraylist<hashmap<String,Double>>
      IDFsave.add(IDFsSubFileList.get(j));//take elements from hashmap      
     }
     else
     {
      double value = IDFsList.get(IDFsSubFileList.get(j));
      value++;
      IDFsList.put(IDFsSubFileList.get(j),value);
      
     }
    }   
   }
  }
  
  
  for(int k=0; k<IDFsave.size(); k++)
  {
   double nTotal = IDFsList.get(IDFsave.get(k));
   double temp = Ncount / nTotal;
   double idfs = Math.log(temp);
   IDFsList.put(IDFsave.get(k), idfs);
  }
  
  return IDFsList;
 } 
}

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值