机学走起第三式：发射-CSDN博客

2019独角兽企业重金招聘Python工程师标准>>>

第一步文档：准备数据源，分词去停用词空格分隔，一行一篇备用；

第二步初始：将《机学走起第二式》第四步生成的IDF配置加载到容器中；

	try {
		String buf = new String();
		BufferedReader br = new BufferedReader(new FileReader(XX_FIDF));
		while (null != (buf = br.readLine())) {
			String[] arr = buf.split("\t");
			idf.put(arr[XX_IKEY], new Double(arr[XX_IVAL]));
		}
		br.close();
	} catch (Exception e) {
		e.printStackTrace();
	}

第三步统计：统计当前词语在当前文档中累计出现的总次数；

	String wds[] = null;
	String buf = new String();	
	Map<String, Double> doc = new HashMap<>();

	for (String w : (wds = buf.split(" "))) {
		doc.put(w, null != (val = doc.get(w)) ? val + 1 : 1);
	}

第四步计算：出现次数除以当前文档词语总数再乘以该词语的IDF值；

TF-IDF = 词频（TF） x 逆向文档频率（IDF）

	Map<String, Double> doc = new HashMap<>();	
	Vector<Map.Entry<String, Double>> rst = new Vector<>();

	for (Map.Entry<String, Double> v : doc.entrySet()) {
		if (null != (val = idf.get(v.getKey()))) {
			v.setValue(v.getValue() / wds.length * val);
		}
		else {
			v.setValue(0.99999999);
		}
		rst.add(v);
	}

第五步排序：对当前文档全量词语的TF-IDF值按照降序进行排序；

	Collections.sort(rst, new Comparator<Map.Entry<String, Double>>() {
		public int compare(Map.Entry<String, Double> n, Map.Entry<String, Double> m) {
			return m.getValue().compareTo(n.getValue());
		}
	});

第六步输出：根据业务需要提取n个有价值的词语作为文档关键字；

	for (int idx = 0; idx < rst.size() && idx < XX_SIZE; ++ idx) {
		System.out.print(rst.get(idx).getKey() + ": [" + rst.get(idx).getValue() + "], ");
	}
	System.out.println();

第七步点赞：一边看博客一边下源码不打赏不点赞这样做真的好吗？

预告：《机学走起第四式：起飞》之LDA主题提取算法与实现，严禁期待！

转载于:https://my.oschina.net/gonglibin/blog/1505606