TF-IDF
默认情况下,计算文档相关性得分的算法是TF-IDF(term frequency-inverse document frequency,词频-逆文档频率)。影响相关性得分的两个因素。
- 词频 ----- 所查询的单次在文档中出现的次数越多,得分越高;
- 逆文档频率 ----- 如果某个单词在所有文档中比较少见,那么该单词的权重越高,得分也越高。
例如在微博中搜索“周杰伦演唱会 护士”,那么在所有相关文章中,需要比较这几个单词出现的词频,词频多的权重低,词频少的权重高,再计算相关性得分来对文章进行排序。