您的位置:seo > 新闻动态 >

网站布局之TF-IDF算法

日期:2018/04/12     阅读:     来源:未知
嘉兴网络公司网站布局之TF-IDF算法,说白了在我理解来,这个算法就是通过一个的数学计算,来确定每个词在文章中的权重,从而得到一篇文章的关于词的带权重的向量,知道了这个以后就好办了,之后什么文章关键字提取、概述、不同的文章之前的相似性比较都引刃而解了。
嘉兴网络公司求一个词的权重就用到TF-IDF算法,其实TF-IDF算法是分为TF(Term Frequency,缩写为TF)与IDF(Inverse Document Frequency,缩写为IDF)的计算。 TF就是这个词在文章中的词频,出现的次数比上文章的总次数或者出现次数的词的个数。而IDF则是表示TF-IDF算法分母上加一是为了防止分母为零。 TF-IDF 嘉兴网络公司这个数学的表达式也符合情理,如果关键字(除去“的”、“为了”之类的去除字)在越多的文档中出现,它在本篇文章中的权重自然就低了,举个简单的例子:给你一个关键字计算机,你一点也不知道这货表达的意思,因为(从这个算法角度讲)它在太多的文章中出现,但是如果你的关键字为0day就不一样了,包含它的文档数远远小于包含关键字“计算机”的文档数。如果在同一篇文章里,如果“0day”与“计算机”的TF(词频)相同,IDF就可以保证“0day”的权重较了。 嘉兴网络公司基本的算法就是这样了,但是这个算法是基于这样一个前提,关键词越重要,同时忽略了词出现位置的影响,所以这个算法存在漏洞。
更多>>相关文章