spark TF-IDF特徵提取生成文章關鍵詞

TF-IDF TF-IDF(term frequency–inverse document frequency)中文」詞頻－逆向文件頻率」，經過它將文本特徵向量化，用以評估一字詞對於一個文件集或一個語料庫中的其中一份文件的重要程度。字詞的重要性隨着它在文件中出現的次數成正比增長，但同時會隨着它在語料庫中出現的頻率成反比降低。git 詞頻（TF）表示某關鍵詞在文本中出現次數：github TF=某單

>>阅读原文<<