吉林快三豹子走势图
不断超越
总版主
总版主
  • UID32
  • 粉丝0
  • 关注0
  • 发帖数3
阅读:430回复:0

网站布局之TF-IDF算法

楼主#
更多 发布于:2018-08-15 16:28
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。
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。
说起来?#24067;?#21333;,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?#25191;?#25968;最高的词的个数。而IDF则是表示TF-IDF算法分母上加一是为了防止分母为零。

?#35745;?34.png



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。由此,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”的权重较高了。
基本的算法就是这样了,其实很简单,但是这个算法是基于这样一个前提,关键词越重要,出现的频率越高。同时忽略了词出现位置的影响,所以这个算法存在漏洞。

最新?#19981;叮?/h4> adminadmin

游客

返回顶部
吉林快三豹子走势图 送现金娱乐棋牌电玩 捕鱼达人老版本2012年免费下载 北京pk万能计划手机版 仲彩娱乐网 重庆快乐十分爱彩乐 腾讯彩票app官网下载 重庆时时开奖结果记录 盈宝彩票合法吗 时时彩宝典 快速时时走势图