当前位置 : 主页 > 网络推广 > seo >

TF-IDF

来源:互联网 收集:自由互联 发布时间:2021-06-16
词袋模型 如上图所示,计算机不能直接识别文字信息,它会把上面的两句话转换成词频向量来表示,就是每组词在这个句子中出现的次数,但是它并不考虑词的先后顺序,这种模型就叫

 

词袋模型

  如上图所示,计算机不能直接识别文字信息,它会把上面的两句话转换成词频向量来表示,就是每组词在这个句子中出现的次数,但是它并不考虑词的先后顺序,这种模型就叫词袋模型。 

  上图中表示每个词的出现的数量作为向量的,就叫人词频向量

  

jieba分词三种模式:

  1、精确模式:试图将句子精确地分开,适合文本分析

  2、全模式:把句子中所有可以成词的词语都分开,速度快,但不能解决歧义

  3、搜索引擎模式:在精确模式的基础上对长词再次切分,适合搜索引擎分词

TF-IDF模型

  TF(term frequency):表示词频,某个词在文档中出现的次数

  DF(doucument frequency):某个词在所有文档中出现的文档数

  IDF(inverse doucument frequency):逆文档频率,它是DF的导数,IDF越大表示该词越少见,也即越重要

  TF-IDF: TF*IDF综合了TF和IDF的因素来平衡词的重要性

网友评论