知识卡片
文档频率须按文档身份计数
用于IDF的语料应每个文档登记一次。原片段缩进不足以确认vocabulary.append(ftokens)的循环层级;若把它放进每token循环,同一文档会登记多次、长文档影响更大,此时N与df就不再按不同文档计数。应先明确每个文档身份,再每文档登记一次;docs以整段文本作键还会合并相同文本,与重复列表统计可能不一致。本次未抓取远程评论。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第8章 信息检索:访问信息 8.1.2 使用向量空间模型进行信息检索 · 查看原书依据
vocabulary.append(ftokens)
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005;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:原文循环和追加列表的缩进信息不足,不能武断确定实际层级;docs以tip.text作键也需明确文档身份,卡片说明条件性风险。未在本机运行示例或改变环境。
- 原始内容: tf(token, ftokens) vocabulary.append(ftokens) for doc in docs: for token in docs[doc]['tf']: #The Inverse-Document-Frequency docs[