知识卡片
词频与文档频率分开统计
TF描述某词在单篇文档中的出现量或其归一值;DF统计含该词的文档数,同一篇出现多次只算一次。书中my跨两篇出现、总共三次,故DF为2而总词频为3。两种分母混用会改变IDF。
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
- · 查看原书依据
TF-IDF权重策略:计算文本的权重向量,应该选择一个有效的权重方案。最流行的方案是对TF-IDF权重的方法。TF-IDF的含义是词频—逆文档频率,其含义是如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第04章《NLP中的概率图模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00009.html)
- 结论依据:摘录中关于词频与文档频率分开统计的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:TF-IDF权重策略:计算文本的权重向量,应该选择一个有效的权重方案。最流行的方案是对TF-IDF权重的方法。TF-IDF的含义是词频—逆文档频率,其含义是如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或