文本特征提取之TF-IDF

TF-IDF（词频-逆文档频率）是一种bag-of-words模型的统计方法，用以评估一个单词在一个文档集合或语料库中的重要程度。经常被用作信息检索、文本挖掘以及用户模型的权重因素。
tf-idf的值会随着单词在文档中出现的次数的增加而增大，也会随着单词在语料库中出现的次数的增多而减小。tf-idf是如今最流行的词频加权方案之一。

• TF（Term Frequency，词频）：表示一个给定词语t在一篇给定文档d中出现的频率。公式表示为：
  其中 $n_{i,j}$ 是该词在文件 $d_j$中出现的次数，分母则是文件 d j d_j d