TF-IDF

本文详细介绍了TF-IDF算法的基本原理及其计算方法。包括词频(tf)计算公式、逆文档频率(idf)计算公式及最终TF-IDF权重计算公式。通过这些公式可以有效地评估文档中各词的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

##1、第j篇文档中第i个词语的tfij计算公式为:第j篇文档中第i个词语的tf_{ij}计算公式为:jitfij

tfij=nij∑knkjtf_{ij}=\frac{n_{ij}}{\sum_{k} n_{kj}}tfij=knkjnij

  • nij是指词ti在dj文档中出现的次数,分母表示文档dj中所有词出现之和。n_{ij}是指词t_{i}在d_{j}文档中出现的次数,分母表示文档d_{j}中所有词出现之和。nijtidjdj

##2、idf的计算公式为:idf的计算公式为:idf

idfi=log∣D∣∣{j:ti∈dj}∣+1idf_{i}=log\frac{|D|}{|\{j:t_{i}\in d_{j}\}|+1}idfi=log{j:tidj}+1D

  • ∣D∣语料库中文件总数|D|语料库中文件总数D

  • ∣{j:ti∈dj}∣是包含词语ti的文件数目,如果该词语不在该预料库中除数就为0,因此+1防止除数为0。|\{j:t_{i}\in d_{j}\}|是包含词语t_{i}的文件数目,如果该词语不在该预料库中除数就为0,因此+1防止除数为0。{j:tidj}ti0+10
    ##3、最终计第j篇文档中第i个词语的tfidfij计算公式为:最终计第j篇文档中第i个词语的tfidf_{ij}计算公式为:jitfidfij
    tfidfij=tfif×idfitfidf_{ij}=tf_{if} \times idf_{i}tfidfij=tfif×idfi

  • 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

注:i 代表词的编号,j 代表文档的编号i\ 代表词的编号,j\ 代表文档的编号i j 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值