TF-IDF與餘弦相似性

「詞頻」（Term Frequency，縮寫爲TF），停用詞：表示對找到結果毫無幫助、必須過濾掉的詞，如」的」、」是」、」在」—-這一類最常用的詞 判定一個詞的重要性：需要一個重要性調整係數，衡量一個詞是不是常見詞。如果某個詞比較少見，但是它在這篇文章中多次出現，那麼它很可能就反映了這篇文章的特性，正是我們所需要的關鍵詞。用統計學語言表達，就是在詞頻的基礎上，要對每個詞分配一個」重要性」權重。這個

>>阅读原文<<