TFIDF

Z Wikipedii, wolnej encyklopedii
Skocz do: nawigacja, szukaj

TFIDF (ang. TF – term frequency, IDF – inverse document frequency) - ważenie częstością termów - odwrotna częstość w dokumentach - jedna z metod obliczania wagi słów w oparciu o liczbę ich wystąpień, należąca do grupy algorytmów obliczających statystyczne wagi termów. Każdy dokument reprezentowany jest przez wektor, składający się z wag słów występujących w tym dokumencie. TFIDF informuje o częstości wystąpienia termów uwzględniając jednocześnie odpowiednie wyważenie znaczenia lokalnego termu i jego znaczenia w kontekście pełnej kolekcji dokumentów.

Algorytm stosowany jako metoda oceny relewantności dokumentu w wyszukiwarkach internetowych, kolejnym zastosowaniem jest ocena podobieństwa dokumentów w systemach grupowania wyników oraz systemach typu antyplagiat.

Wartość TF-IDF oblicza się ze wzoru:

Gdzie to tzw. "term frequency", wyrażana wzorem:

Gdzie jest liczbą wystąpień termu () w dokumencie , a mianownik jest sumą liczby wystąpień wszystkich termów w dokumencie .

to "inverse document frequency", wyrażana wzorem:

Gdzie:

  • : to liczba dokumentów w korpusie
  •  : liczba dokumentów zawierających przynajmniej jedno wystąpienie danego termu.

Zobacz też[edytuj]

Linki zewnętrzne[edytuj]