haolujun

摘要： 上一篇介绍了倒排表这种数据结构，接下来将介绍一下词频-逆文档频(tf-idf)这个概念。首先，什么是词频？词频就是一篇文档包含一个词的次数。举个例子，如果一篇文档d中“cat”这个词出现了5词，那么我们就说“cat”的词频为5，记做tf(cat)=5。那么，什么是文档频？这个概念也是对于一个词来说的。通俗来说文档频就是包含一个词的文档数目。举个例子，如果有100篇文档都有“cat”这个词，我们就说“cat”的文档频为100，记做df(cat)=100。那么什么叫做逆文档频呢？idf表示逆文档频，检索库中一共有N篇文档，那么idf=log(N/df)，例如上例，“cat”的逆文档频记做idf(c 阅读全文