tf-idf算法实现

最新推荐文章于 2024-06-13 23:22:01 发布

liumengyan_ysu

最新推荐文章于 2024-06-13 23:22:01 发布

阅读量542

点赞数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/liumengyan_ysu/article/details/49018959

版权

TF_IDF是：，用于对文章分类，思想：某个词在一篇文章中出现的次数多，在其他文章中出现的次数少，认为这个词可以表示该文章的类别。TF表示某词在一篇文章中出现的次数，IDF：翻文档词频，表示在文章集合中包含该词的文章越少，IDF越大，该词有较好的区分能力。

TF计算公式：nij表示词ti在文章dj中出现的次数，分母表示文章dj中所有词的个数

$\mathrm{tf_{i,j}} = \frac{n_{i,j}}{\sum_k n_{k,j}}$

IDF计算公式：|D|表示文档集合中所有文章的个数，分母表示包含词条ti的文章个数，有可能出现分母为0的情况，所以一般用 $1 + |\{j : t_{i} \in d_{j}\}|$ 表示分母

$\mathrm{idf_{i}} = \log \frac{|D|}{|\{j: t_{i} \in d_{j}\}|}$

然后 $\mathrm{tf{}idf_{i,j}} = \mathrm{tf_{i,j}} \times \mathrm{idf_{i}}$

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
tf-idf算法实现

TF_IDF是：，用于对文章分类，思想：某个词在一篇文章中出现的次数多，在其他文章中出现的次数少，认为这个词可以表示该文章的类别。TF表示某词在一篇文章中出现的次数，IDF：翻文档词频，表示在文章集合中包含该词的文章越少，IDF越大，该词有较好的区分能力。TF计算公式：nij表示词ti在文章dj中出现的次数，分母表示文章dj中所有词的个数IDF计算公式：|D|表示文档集合中所有文章的个
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。