Muzi_Water的博客

思路：1.读取所有文章标题；2.用“结巴分词”的工具包进行文章标题的词语分割；3.用“sklearn”的工具包计算Tf-idf（词频-逆文档率）;4.得到满足关键词权重阈值的词结巴分词详见：结巴分词Githubsklearn详见：文本特征提取——4.2.3.4 Tf-idf项加权import osimport jiebaimport sysfrom sklearn.featur...

词频-逆文档率TF-IDF(Term Frequency-Iverse Document Frequency)是一种依赖语料库的关键词提取方法。该方法主要分为三步：Step1: 计算词频（考虑文章长短不同，需要进行标准化）            词频（TM） =  某词出现的次数  /  文章总词数Step2: 计算逆文档率（通常会根据语料库预先计算生成 “词  逆文档率” 的id...