TF-IDF
来源:互联网 发布:淘宝不同意退货怎么办 编辑:程序博客网 时间:2024/05/01 19:54
(一)简介
1.TF-IDF实际上是:TF * IDF,TF词频(Term Frequency),IDF逆向文件频率(Inverse Document Frequency);
2.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;
(二)原理
1.词频:在一份给定的文件里,某一个给定的词语在该文件中出现的次数;这个数字通常会被归一化(分子一般小于分母),以防止它偏向长的文件(同一个词语在长文件里可能会比短文件有更高的词频,而不管该词语重要与否);
2.逆向文件频率: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得到;
3.某一特定文件内的高词语频率,以及该词语在整个文件集合中的低文件频率,可以产生出高权重的TF-IDF;因此,TF-IDF倾向于过滤掉常见的词语,保留重要的词语;
2 0
- TF/IDF
- TF-IDF
- TF-IDF
- TF-IDF
- TF-IDF
- TF-IDF
- TF-IDF
- TF-IDF
- TF-IDF
- TF-IDF
- TF-IDF
- TF-IDF
- tf-idf
- tf-idf
- TF-IDF
- tf-idf
- TF-IDF
- TF-IDF
- 正则表达式备忘-好搜百科
- 第二十六篇:很实用的opencv训练问题解决方法
- 数据结构与算法学习笔记——二叉树遍历(二)(Morris Traversal)
- Xcode项目中查找中文字符
- 返回Activity时传递数据
- TF-IDF
- useful link forme
- LeetCode 51: N-Queens
- 从头认识java-4.6 成员的初始化
- 在linux虚拟机上安装jdk
- JavaScript获取DOM元素位置和尺寸
- SpringMVC(2)入门程序
- MyEclipse的Console输出中文时出现乱码
- Topcoder好题推荐 ( 持续更新中 )