原书出处
社交网站的数据挖掘与分析(原书第2版)
为它没有考虑到很多文档中都很常见的词,即
停用词(stopword)[1]。也就是说,所有词都均等地加权,而没有考虑它们实际的重要性。例如,“the green plant”包含停用词“the”,它提高了corpus['a']的总词频得分,因为“the”和“green”都在文档中出现了两次。相反,“green”和“plant”在corpus['c']中只出现了一次。 最终得分会被分解为如表4-2所示
的那样。其中corpus['a']的排名
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0075.html
EPUB SHA-256:06582ecdf071724c9e218bc2698d2fff4e82a992d672b287e4c2e6092c924bcf