在文字分類的學習過程中，在「如何衡量乙個關鍵字在文章中的重要性」的問題上，遇到了困難。在網上找了很多資料，大多數都提到了這個演算法，就是今天要講的tf-idf。
總起
tf-idf，理解起來相當簡單，他實際上就是tf*idf，兩個計算值的乘積，用來衡量乙個詞庫中的詞對每一篇文件的重要程度。下面我們分開來講這兩個值，tf和idf。
其中：比如，一篇文章一共100個詞彙，其中「機器學習」一共出現10次，那麼他的tf就是10/100=0.1。
其中：idf(i)：詞語i的反文件頻率
|d|：語料庫中的檔案總數
|j:t(i)屬於d(j)|出現詞語i的文件總數
+1是為了防止分母變0。
於是這個tf*idf就能用來評估乙個詞語的重要性。
總結
這演算法看似簡單，實際上在seo搜尋引擎優化啊，文字分類方面用的挺多的，面試時也常常作為資訊理論知識儲備來出題。
TF IDF演算法 自動提取關鍵字
這個問題涉及到資料探勘 文字處理 資訊檢索等很多計算機前沿領域，但是出乎意料的是，有乙個非常簡單的經典演算法，可以給出令人相當滿意的結果。它簡單到都不需要高等數學，普通人只用10分鐘就可以理解，這就是我今天想要介紹的tf idf演算法。乙個容易想到的思路，就是找到出現次數最多的詞。如果某個詞很重要，...
關鍵字 EXCEL關鍵字提取
如何根據關鍵字列表將單元格中的關鍵字提取出來，本文提供三種方法，看哪一種適合你！開啟excel 表，內容如下 a列為需要提取關鍵字的內容 f列為關鍵字列表 bcd為三種方法演示 方法一 公式 if sumproduct countif a2,f 2 f 13 lookup 0 frequency 0...
python 關鍵字提取
jieba 關鍵字提取 import jieba.analyse tags jieba.analyse.extract tags str,topk 3 str是提取關鍵字的內容，topk是提取關鍵字數 print join tags tf idf關鍵字提取 是用於資訊檢索和文字挖掘的加權技術。是評估...