tf-idf
2016-07-13 12:04
267 查看
希望关键词是在一类文章中出现的次数尽可能多，在其他类文章中出现尽可能少。
tf = 一个词在一类文章中出现的次数/这类文章总数（在一类文章中出现的次数尽可能多）
idf = 文章总数/包含这个词的文章数（在其他类文章中出现尽可能少。）
得出的tf*idf越大，则说明越有可能是关键词
tf = 一个词在一类文章中出现的次数/这类文章总数（在一类文章中出现的次数尽可能多）
idf = 文章总数/包含这个词的文章数（在其他类文章中出现尽可能少。）
得出的tf*idf越大，则说明越有可能是关键词
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 被改错的密码
- 信息检索概率模型
- Information Retrieval Ranked List 模型
- IDF 逆向题 python ByteCode
- TF-IDF算法
- TF-IDF及其算法
- 运用TF-IDF 提取特征词 k-means 挖掘微博的兴趣特征群体
- IDF -PMC与Intel联手演示池化NVMe解决方案
- IDF2015现场报道：PMC展现高速IOPS方案
- 常用网络安全设备
- 从网页相关性TF-IDF到余弦定理的新闻分类的程序实现
- TF-IDF笔记
- 推荐系统学习（2）——基于TF-IDF的改进
- 数学之美之TF-IDF算法
- idf inverse document frequency
- TF-IDF 提取文本关键词
- TF-IDF结合余弦相似性 判断文章相似性
- TF-IDF与余弦相似性的应用（一）：自动提取关键词
- IDF.无线显示应用给intel带来的改变
- 2008春季IDF的Smoke Demo