1. 首页
  2. seo算法

百度算法之TF-IDF算法

今天东莞seo逸风为大家讲述TF-IDF算法,据我所知道TF-IDF算法是一种统计算法,用于对检索的加权。简单的讲其作用是评估一字词对于一个文件的重要程度。这个我们可以简单理解为关键词的一个密度,一个关键词在整个网站中所占据的比重就决定了这个关键词的重要性,在一定程度是会获得加权,也就是能促进关键词的排名状况,那究竟是怎样的,下面我们就一起来看看。

TF-IDF算法

TF-IDF算法原理:TFIDF的主要思想是:如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或者短语具有很好的类别区分能力,适合用来分类。TFIDF实际上是:TF*IDF,TF词频(TermFrequency),IDF逆向文件频率(InverseDocumentFrequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是:如果包含词条t的文档越少,也就是n越小,IDF越大,则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m,而其它类包含t的文档总数为k,显然所有包含t的文档数n=m+k,当m大的时候,n也大,按照IDF公式得到的IDF的值会小,就说明该词条t类别区分能力不强。但是实际上,如果一个词条在一个类的文档中频繁出现,则说明该词条能够很好代表这个类的文本的特征,这样的词条应该给它们赋予较高的权重,并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处.在一份给定的文件里,词频(termfrequency,TF)指的是某一个给定的词语在该文件中出现的频率。这个数字是对词数(termcount)的归一化,以防止它偏向长的文件。(同一个词语在长文件里可能会比短文件有更高的词数,而不管该词语重要与否。)对于在某一特定文件里的词语来说。

逆向文件频率(inversedocumentfrequency,IDF)是一个词语普遍重要性的度量。某一特定词语的IDF,可以由总文件数目除以包含该词语之文件的数目,再将得到的商取以10为底的对数得到。

在说明这个算法之前,我用一个例子来给大家说明情况,比如:一家公司有十个seoer,当天需要写十篇关于seo的文章,然后需要从中选出关于“网站权重seo”的文章,结果您在选择文章的时候发现有两篇文章分别是,“网站权重”在文章出现8次,“seo”出现了两次,而另外一篇是“网站权重”出现2次,“seo”出现了8次,从第一篇文章说明了“网站权重”是比较重要的也就是TF,而seo却是很平凡的,也就是IDF,这个两个比较我们可以看出来第一篇文章参与关键词排名是高于第二篇的,这里是有一个计算的公式的,这里就不多讲,如果大家有兴趣关注东莞seo逸风,大家可以评论可以一起来思考。

 

 

 

原创文章,作者:小峰seo,如若转载,请注明出处:http://www.0769seo.org/118.html

发表评论

登录后才能评论

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:295310592@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code