使用JAVA進行詞頻統計

在使用TF-IDF計算文章關鍵詞的時候，須要知道某個詞的詞頻是多少，使用 idf = Math.log(10000 + 10000.0 / (docFreq + 1)) 這個公式求解出idf的值。通常來講，詞頻統計越準確，每一個詞的idf的值就越準確，而詞頻的準確性與語料的多少有關，語料天然越多越好，可是一般狀況下10G的數據量應該足夠了。java 假設如今咱們有了10G的新聞語料和詞列表，如今就

>>阅读原文<<