TF-IDF计算三
来源:互联网 发布:重金属软件 编辑:程序博客网 时间:2024/05/16 21:10
逆向文件频率(inverse document frequency,IDF)是一个词语普遍重要性的度量。某一特定词语的IDF,可以由总文件数目除以包含该词语之文件的数目,再将得到的商取对数.
IDF i = log N / n i
N 是代表语料库中文件数量的总数, n i 是代表包含词语n i 的文件数目所包含的词 i 的总数.
class IDFs
{
HashMap<String,Double> IDFsList = new HashMap<String, Double>();
ArrayList<ArrayList<String>> IDFsMainFileList = new ArrayList<ArrayList<String>>();
ArrayList<String> IDFsave = new ArrayList<String>();
int Ncount;
public IDFs(ArrayList<ArrayList<String>> idf)
{
IDFsMainFileList = idf;
Ncount = IDFsMainFileList.size();
}
public HashMap<String,Double> PrintIDFs()
{
for(int i=0; i<IDFsMainFileList.size(); i++)
{
ArrayList<String> IDFsSubFileList = IDFsMainFileList.get(i);
ArrayList<String> list = new ArrayList<String>();
for(int j=0; j<IDFsSubFileList.size(); j++)
{
if(!list.contains(IDFsSubFileList.get(j)))
{
list.add(IDFsSubFileList.get(j));
//Take elements from arraylist<arraylist<string>>
if(!IDFsList.containsKey(IDFsSubFileList.get(j)))
{
IDFsList.put(IDFsSubFileList.get(j),1.0);//save elements to arraylist<hashmap<String,Double>>
IDFsave.add(IDFsSubFileList.get(j));//take elements from hashmap
}
else
{
double value = IDFsList.get(IDFsSubFileList.get(j));
value++;
IDFsList.put(IDFsSubFileList.get(j),value);
}
}
}
}
for(int k=0; k<IDFsave.size(); k++)
{
double nTotal = IDFsList.get(IDFsave.get(k));
double temp = Ncount / nTotal;
double idfs = Math.log(temp);
IDFsList.put(IDFsave.get(k), idfs);
}
return IDFsList;
}
}
- TF-IDF计算三
- TF-IDF计算一
- TF-IDF计算四
- TF-IDF计算 Python
- sklearn 计算tf-idf
- 计算TF-IDF
- 运用hadoop计算TF-IDF
- TF-IDF 的计算二
- 特征提取-计算tf-idf
- 运用mapreduce计算tf-idf
- Java计算TF-IDF值
- 计算分词的Tf-idf值
- 计算分词的tf*idf算法
- 文本相似度计算之tf-idf
- TF-IDF与余弦相似性的计算
- 的Tf-idf值分词计算列举
- 关键词权重计算算法 - TF-IDF
- 使用sci-kit learn计算TF-IDF
- 好的程序员做不出好的软件设计
- Ranorex lesson 1:如何开始使用Ranorex
- java网络编程之UDP
- oracle建立dblink
- 用GDB调试程序【一】
- TF-IDF计算三
- java.net.UrlConnection类的使用
- java.net.Url类的应用
- 用GDB调试程序【二】
- C++中构造函数能调用虚函数吗?
- 【dp】独立任务最优调度问题
- android 文件上传
- java.net.InetAddress类的应用
- linux cksum命令参数及用法详解---检查文件的CRC是否正确