随笔_从《芳华》影评到TF/IDF算法

 前两天看好多《芳华》的影评说：为什么好人没好报？于是感叹一堆世态炎凉，人性丑陋什么的。我觉得这问题是：为什么中央空调（对谁都温暖）往往不被看好。

 先说说TF/IDF算法，这是一种信息处理和数据挖掘的重要算法，属于统计类方法。比如说，找一篇文章的关键词，TF（词频）是某个词在这篇文章中出现的频率，频率越高越可能是关键字。IDF（逆向文件频率）是这个词出现在其它文章的频率，比如“的”字，它在任何文章都出现，因为必然不是关键字。把TF和IDF乘在一起，就是这个词在这篇文章中的重要程度。

 我们对一个人的态度也往往取决于：他对大家的态度IDF，和他对我的态度TF。刘峰对谁都很好，因此IDF是一个固定值，他对所有人都好这是个加分项吗？很遗憾，看公式：

其中分子是所有人，分母是刘峰给几个人送过温暖。也就是说他送温暖的人越多，分母越大，IDF值越低。不过也请注意log，它把这个值影响力给降低了。比如说，他给5个人送过温暖，再给第6个人送温暖时，分母变大，IDF降低，导致前5个人对他的好感度降低，不对呀？说好的“爱人者人恒爱之，敬人者人恒敬之”，于是我们的价值观受到了冲击。不过，与此同时，第6个人对他的好感度也增加了，而且idf公式里还有一个log降低了这种影响。

 再来看TF的算法，分子是刘峰送的温暖，分子来自周围人所有温暖之和。

对于林丁丁来说，尽管分子很大，但分母更大，所以tf值并不大；而对于何小萍，分母实在是太小了，即使分子不大，tf值也会很大。所以说女孩过于穷养，分母太小，别人稍微对她好点就以身相许了；过于富养，分母太大，看不到别人的善意，又是公主病。

 最终，刘峰在每人心中的分量由下式得出。

 心理价值主要源于比较，跟均值（或者基线值）的比较。这也许就是心里那杆称吧，谁也不是没良心的白眼儿狼，只是正常的心理现象。刘峰人生的不顺利，也不是一个简单的因果关系，其中有好人好报的概率问题，社会环境中的马太效应，以及他自己在关键点的选择等等，TF/IDF只是其中一个因素。至于电影，仁者见仁，智者见智吧。

技术文章定时推送
请关注公众号：算法学习分享