TF-IDF算法

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/woshiliulei0/article/details/82886638

TF-IDF算法可以分解为两部分：TF和IDF

一、TF算法

1.词频（term frequency，TF）
2.公式： $TF =\frac {N_{i,j}}{ \sum_{k}N_{k,j}}$
3.解释：以上式子中分子是该词在文件中的出现次数，而分母则是在文件中所有字词的出现次数之和。

二、IDF算法

1.逆向文件频率（inverse document frequency，IDF）
2.公式： $IDF =lg \frac {|D|}{|j:t_i ∈d_j|}$
3.解释：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，再将得到的商取以10为底的对数得到