知识卡片

问题卡 · 6644.a.1.eg · 生成模型:未记录

文档频率须按文档身份计数

理解等级:中级

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?

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[