首页 > SEO常见问题 / 正文
什么是TF-IDF,tf-idf计算公式?TF-ID算法F的详细解说!
TF-IDF计算公式 2019-05-25 10:10:37 承接网站SEO顾问 SEO常见问题 ℃任务一:现在有一篇长文《中国的蜜蜂养殖》,用计算机提取它的关键词。
1、词频:如果某个词很重要,它应该在这篇文章中多次出现。我们进行"词频"(Term Frequency,缩写为TF)统计。
2、停用词:结果你肯定猜到了,出现次数最多的词是----"的"、"是"、"在"----这一类最常用的词。它们叫做"停用词"(stop words),表示对找到结果毫无帮助、必须过滤掉的词。
规则一:如果某个词比较少见,但是它在这篇文章中多次出现,那么它很可能就反映了这篇文章的特性,正是我们所需要的关键词。
假设我们把它们都过滤掉了,只考虑剩下的有实际意义的词
发现"中国"、"蜜蜂"、"养殖"这三个词的出现次数一样多
因为"中国"是很常见的词,相对而言,"蜜蜂"和"养殖"不那么常见,"蜜蜂"和"养殖"的重要程度要大于"中国"
3、IDF :最常见的词("的"、"是"、"在")给予最小的权重,
较常见的词("中国")给予较小的权重,
较少见的词("蜜蜂"、"养殖")给予较大的权重。
这个权重叫做"逆文档频率"(Inverse Document Frequency,缩写为IDF),
它的大小与一个词的常见程度成反比。
4、TF-IDF:"词频"(TF)和"逆文档频率"(IDF)以后,两个值相乘,得到了一个词的TF-IDF值。
某个词对文章的重要性越高,它的TF-IDF值就越大。
所以,排在最前面的几个词,就是这篇文章的关键词。
具体实现:
1、计算词频
词频(TF) = 某个词在文章中的出现次数
文章有长短之分,为了便于不同文章的比较,做"词频"标准化。
词频(TF) = 某个词在文章中的出现次数 / 文章总词数
或者 词频(TF) = 某个词在文章中的出现次数 / 拥有最高词频的词的次数
2、某个词在文章中的出现次数
这时,需要一个语料库(corpus),用来模拟语言的使用环境。
逆文档频率(IDF) = log(语料库的文档总数/包含该词的文档总数+1)
3、计算TF-IDF
TF-IDF = 词频(TF) * 逆文档频率(IDF)
可以看到,TF-IDF与一个词在文档中的出现次数成正比,与该词在整个语言中的出现次数成反比。
所以,自动提取关键词的算法就是计算出文档的每个词的TF-IDF值,
然后按降序排列,取排在最前面的几个词。
从上表可见,"蜜蜂"的TF-IDF值最高,"养殖"其次,"中国"最低。(如果还计算"的"字的TF-IDF,那将是一个极其接近0的值。)
所以,如果只选择一个词,"蜜蜂"就是这篇文章的关键词。
总结:
TF-IDF算法的优点是简单快速,结果比较符合实际情况。
缺点是,单纯以"词频"衡量一个词的重要性,不够全面,有时重要的词可能出现次数并不多。
而且,这种算法无法体现词的位置信息,出现位置靠前的词与出现位置靠后的词,都被视为重要性相同,这是不正确的。
(一种解决方法是,对全文的第一段和每一段的第一句话,给予较大的权重。)
任务二:TF-IDF与与余弦相似的应用:找相似文章
除了找到关键词,还希望找到与原文章相似的其他文章
需要用到余弦相似性:
句子A:我喜欢看电视,不喜欢看电影
句子B:我不喜欢看电视,也不喜欢看电影
基本思路是:如果这两句话的用词越相似,它们的内容就应该越相似。
因此,可以从词频入手,计算它们的相似程度。
1、分词
句子A:我/喜欢/看/电视,不/喜欢/看/电影。
句子B:我/不/喜欢/看/电视,也/不/喜欢/看/电影。
2、列出所有值
我,喜欢,看,电视,电影,不,也。
3、计算词频
句子A:我 1,喜欢 2,看 2,电视 1,电影 1,不 1,也 0。
句子B:我 1,喜欢 2,看 2,电视 1,电影 1,不 2,也 1
4、写出词频向量。
句子A:[1, 2, 2, 1, 1, 1, 0]
句子B:[1, 2, 2, 1, 1, 2, 1]
我们可以通过夹角的大小,来判断向量的相似程度。夹角越小,就代表越相似。
假定a向量是[x1, y1],b向量是[x2, y2],那么可以将余弦定理改写成下面的形式
结论:
我们就得到了"找出相似文章"的一种算法:
使用TF-IDF算法,找出两篇文章的关键词
每篇文章各取出若干个关键词(比如20个),合并成一个集合,计算每篇文章对于这个集合中的词的词频(为了避免文章长度的差异,可以使用相对词频);
生成两篇文章各自的词频向量
计算两个向量的余弦相似度,值越大就表示越相似
计算两个向量的余弦相似度,值越大就表示越相似
任务三:如何通过词频,对文章进行自动摘要
信息都包含在句子中,有些句子包含的信息多,有些句子包含的信息少。
"自动摘要"就是要找出那些包含信息最多的句子。
句子的信息量用"关键词"来衡量。如果包含的关键词越多,就说明这个句子越重要。
Luhn提出用"簇"(cluster)表示关键词的聚集。所谓"簇"就是包含多个关键词的句子片段。
只要关键词之间的距离小于"门槛值",它们就被认为处于同一个簇之中。Luhn建议的门槛值是4或5。
也就是说,如果两个关键词之间有5个以上的其他词,就可以把这两个关键词分在两个簇。
簇的重要性 = (包含的关键词数量)^2 / 簇的长度
其中的簇一共有7个词,其中4个是关键词。因此,它的重要性分值等于 ( 4 x 4 ) / 7 = 2.3。
- 上一篇:爱站的反链查询什么时候才显示?
- 下一篇:爱站友链检测提示“非首页链接”是什么原因?
猜你喜欢
- 2022-07-13 tif是什么格式?
- 2022-07-13 mdf文件是什么,怎么打开?
- 2022-07-12 舱单是什么?
- 2022-07-08 打嘴炮是什么意思?
- 2022-07-08 url指的是什么,URL是什么意思?
- 2022-07-08 edge是什么意思?
- 2022-07-07 冬月枫百科,冬月枫的个人资料
- 2022-07-01 OLED是什么?
- 2022-07-01 daas是什么意思?
- 2022-07-01 网络带宽是什么意思?如何测试网络带宽?
- SEO常见问题
- 了解更多TF-IDF,介绍,是什么,请在查看本站栏目对应内容进行参阅,如对什么是TF-IDF,tf-idf计算公式?TF-ID算法F的详细解说!有不明之处可以与我交流,如什么是TF-IDF,tf-idf计算公式?TF-ID算法F的详细解说!信息有误您也可以进行指导,本博客仅为SEO界的伙伴互相交流的一个SEO博客。【大军SEO,9年如一日因为专业所以专注!做网站优化9年,熟悉各种CMS,精通各种搜索引擎排名,深知产品推广套路。专注于营销型网站建设,整站优化外包、关键词排名、黑帽/白帽SEO技术!承接网站SEO优化服务、SEO顾问服务(QQ:88288050)】
- 07-26百度相关搜索是什么目的?
- 07-08url指的是什么,URL是什么意思?
- 07-04网站http协议转https协议怎么操作?
- 06-22如何理解网站SEO主题的矛与盾?
- 06-22外链增长速度怎么算,为什么你要关心?
- 06-22网站关键词排名,容易忽略误区
- 06-22关键词拼写错误,对SEO有什么影响?
- 06-22如何申请网站子链,为什么站点子链很重要?
- 06-22SEO的道与术,因果关系的选择
- 06-22网站页面不参与排名的原因是什么?
- 344℃网站关键词排名,容易忽略误区
- 292℃SEO优化基础教程(主关键词、长尾关键词)
- 260℃SEOer面试常见问题解答
- 241℃在做网站SEO优化时常见的5个疑问
- 232℃什么是降权, 如何做降权查询?
- 223℃SEOVIP 培训单页,如何排名百度首页
- 222℃如何找出网站收录异常的罪魁祸首?
- 195℃网站SEO基础流程图
- 194℃高质量外链资源有哪些?
- 190℃SEO文章转载要注意什么?
- 01-23链接是什么,为什么网站链接很重要?
- 12-26企业网站托管?
- 12-19nofollow标签怎么用?
- 12-14什么是seo
- 12-13如何快速增加网站外链?
- 12-13如何判断网站被黑?
- 12-12网站被黑导致K站怎么办?
- 12-12影响网站关键词排名的因素
- 08-01如何防止网站被黑?
- 08-01网站访问速度和哪些因素有关呢?
- 热门标签