貝葉斯應用_文本分析_理論支持

一：停用詞 語料中大量出現卻沒什麼作用的詞 二：詞頻(TF) 詞頻(TF)=某詞在文章中的出現次數 / 該文章所有詞的出現次數 三：逆文檔頻率(IDF) 逆文檔頻率(IDF)=log( 語料庫的文檔總數 / (包含該詞的文檔樹+1) ) 四：Tf-idf 關鍵詞提取 Tf-idf=TF * IDF 五：相似度 對需要求相似度的兩個中文句子進行 分詞-構建語料庫-詞頻-詞頻向量-求餘弦 六：相似度舉

>>阅读原文<<