← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6479.x.2.a · 生成模型:GPT-6

词频与稀有度加权

理解等级:中级

词频衡量某词在文档中出现多少次,逆文档频率降低随处可见词的权重。原书公式采用 IDF(t)=log(N/C(t)),再将查询词的IDF与文档词频乘积求和。正文先以N/C举直观例子,不能与带对数的正式公式混为同一数值。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      TF-IDF是一种结合了词频(TF)和逆文档频率(IDF)两个指标的算法。从数学上讲,文档D相对于查询Q的TF-IDF分数的计算过程如下。

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第6章《RAG与智能体》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section014.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:TF-IDF是一种结合了词频(TF)和逆文档频率(IDF)两个指标的算法。从数学上讲,文档D相对于查询Q的TF-IDF分数的计算过程如下。