24小时免费热线

我们有超过10年的SEO优化行业经验

成功服务客户超3000家!

全方位网络推广解决方案
为您定制专属网站优化
快速响应  /  精准匹配  /  高效服务  /  专业售后

网站布局之TF-IDF算法

来源: | 作者:云贸互联 | 发布时间: 2021-11-03 | 3478 次浏览: | 分享到:

网站布局之TF-IDF算法,说白了在我理解来,这个算法就是通过一个的数学计算,来确定每个词在文章中的权重,从而得到一篇文章的关于词的带权重的向量,知道了这个以后就好办了,之后什么文章关键字提取、概述、不同的文章之前的相似性比较都引刃而解了。


求一个词的权重就用到TF-IDF算法,其实TF-IDF算法是分为TF(Term Frequency,缩写为TF)与IDF(Inverse Document Frequency,缩写为IDF)的计算。


说起来也简单,TF就是这个词在文章中的词频,出现的次数比上文章的总次数或者出现次数高的词的个数。而IDF则是表示TF-IDF算法分母上加一是为了防止分母为零。


这个数学的表达式也符合情理,如果关键字(除去“的”、“为了”之类的去除字)在越多的文档中出现,它在本篇文章中的权重自然就低了,举个简单的例子:给你一个关键字计算机,你一点也不知道这货表达的意思,因为(从这个算法角度讲)它在太多的文章中出现,但是如果你的关键字为0day就不一样了,包含它的文档数远远小于包含关键字“计算机”的文档数。由此,如果在同一篇文章里,如果“0day”与“计算机”的TF(词频)相同,IDF就可以保证“0day”的权重较高了。


基本的算法就是这样了,其实很简单,但是这个算法是基于这样一个前提,关键词越重要,出现的频率越高。同时忽略了词出现位置的影响,所以这个算法存在漏洞。