关键词提取_tf_idf
TF-IDF(term frequency-inverse document frequency)-词频-逆文档频率
TF:统计一个词在文档中出现的频次,次数越多,表达能力越强
IDF:统计一个词在文档集的多少篇文档中出现,一个词在越少的文档中出现,则对该文档的区分能力就越强
词i在文档j中出现的概率:tf(word)=(word在文档中出现的次数)/(文档总词数)
idf(word)=log【文档集中的总文档数/(1+出现词i的文档数量)】
分母加1是拉普拉斯平滑,避免有新的词在有语料库中没有出现过导致分母为0
tf-idf=tf * idf
#优化思路
每个词的词性,出现的位置
posted on 2018-11-07 18:16 happygril3 阅读(319) 评论(0) 编辑 收藏 举报