← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6644.a.1.ed · 生成模型:未记录

词频归一存在多种定义

理解等级:中级

TF可用原始次数、除以文档token总数,或0.5+0.5×当前次数/最大次数等增强形式;它们不是同一数值。原文文字说相对词频,却展示增强TF,而后续代码用总数归一。应明确采用哪种,未出现词一般权重为0,不能直接给所有未见词套增强式得到0.5;空文档也需另行处理。

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

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第8章 信息检索:访问信息,spine062单元004;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00061.html。 - 结论依据:原文定义、公式和tf函数三者显示不同归一选择,增强式对未见项需单独约定,不能混称同一算法结果。未在本机运行示例或改变环境。 - 原始内容:出现的频率。 词频(TF)的公式如下: TF(t,d) = 0.5 + ( 0.5 * f(t,d)) / max {f(w,d) : w ϵ d} IDF可以认为是反文档频率,也可以认为其是语料库中包含给定特征项的文档数目。 通过将给