TF-IDF的思想:举例, 统计一个词语在一篇文章中出现的次数很多,相反而在另一篇文章中出现的次数很少的话, 那么就会认为此句子就会有很好的类别区分能力
为什么是TF-IDF呢?, 中间为什么有一个 '-' 这一步可以理解为这个算法是由两个部分来组成的一个是TF而另一个就是IDF
说完了TF-IDF的思想结构那就来说一说这个算法在我么面试过程中应怎么总体的来该概括把, 首先1.TF-IDF是做关键词提取的, 在一篇文章中, 通过TF-IDF来获取文章的重要词语
2.TF 是 我么拿(一篇文章某中一个单词出现的频率) / 所有的词语
3.IDF 是 (所有的文档) / 某个词语在这篇文档出现的次数, 然后取个对数最后"+1", (通俗一点来讲的话"+1"的作用是防止文章中没有出现这个词语, 因为在数学中我么的分母不能为0嘛)
4.词频-逆文档频率, 用TF * IDF就是词频逆文档频率