TF-IDF投票机制

TF：term frequency
IDF：inverted docoument frequentcy

我们先假设一个Query（a b c d），（1 2 3 4）文件中含有term数对应为（6 3 7 5），查找的倒排表如下：

（a b c d）对应的文档频率为（1/4 1/3 1/2 1）
（1 2 3 4）对应文件ID
（1 2 3 4）在倒排表中对应个数为（2 2 3 3）
投票如下：
文件1=1/6*1/4+1/6*1/2=1/8
文件2=1/3*1/4+1/3*1/3=7/36
文件3=1/7*1/4+1/7*1/3+1/7*1=19/84
文件4=1/5*1/4+1/5*1/3+1/5*1/2=11/60

相似性从大到小排序如下：3 2 4 1

TF-IDF计算：

TF-IDF反映了在文档集合中一个单词对一个文档的重要性，经常在文本数据挖据与信息

提取中用来作为权重因子。在一份给定的文件里， 词频(termfrequency-TF)指的是某一

个给定的词语在该文件中出现的频率。 逆向文件频率（inversedocument 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 对数得到