##TF-IDF

TF（詞頻）:  假定存在一份有N個詞的文件A，其中‘明星‘這個詞出現的次數為T。那么 TF = T/N;

所以表示為： 某一個詞在某一個文件中出現的頻率.

TF-IDF(詞頻-逆向文件頻率)：  表示的詞頻和逆向文件頻率的乘積.

比如：  假定存在一份有N個詞的文件A，其中‘明星‘這個詞出現的次數為T。那么 TF = T/N;  并且‘明星’這個詞，在W份文件中出現，而總共有X份文件，那么

IDF = log(X/W) ;

而： TF-IDF =  TF *  IDF = T/N * log(X/W);   我們發現，‘明星’，這個出現在W份文件，W越小 TF-IDF越大，也就是這個詞越有可能是該文檔的關鍵字，而不是習慣詞（類似于：‘的’，‘是’，‘不是’這些詞），

而TF越大，說明這個詞在文檔中的信息量越大.