![6650b7a0b29acea207e1ba22b2cb33a1.gif](https://i-blog.csdnimg.cn/blog_migrate/b7a8aaacc3e9a49865535293d54814cd.gif)
TF-IDF算法介绍 TF-IDF(term frequency-inverse document frequency)是一种用于信息检索与文本挖掘的常用加权技术,用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度,字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。 TF-IDF的主要思想是:如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或者短语具有很好的类别区分能力,适合用来分类。
TF(Term Frequency)就是词频,表示字词在文本中出现的频率,计算公式如下:
![b7c8b30906af9d4638530a826a9b50f8.png](https://i-blog.csdnimg.cn/blog_migrate/05bb6e4e81f5a853d26af48f0acdf054.png)
其中分子是在某一文本中字词w出现的次数,分母N是该文本所有字词出现次数的总和。