TF-IDF的算法原理

預處理過程中，我們已經把停詞都過濾掉了。如果只考慮剩下的有實際意義的詞，前我們已經講過，顯然詞頻（TF，Term Frequency）較高的詞之於一篇文章來說可能是更爲重要的詞（也就是潛在的關鍵詞）。但這樣又會遇到了另一個問題，我們可能發現在上面例子中，madefortv、california、includ 都出現了2次（madefortv其實是原文中的made-for-TV，因爲我們所選分詞法的

>>阅读原文<<