TF-IDF与余弦相似性

“词频”（Term Frequency，缩写为TF），停用词：表示对找到结果毫无帮助、必须过滤掉的词，如”的”、”是”、”在”—-这一类最常用的词 判定一个词的重要性：需要一个重要性调整系数，衡量一个词是不是常见词。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。用统计学语言表达，就是在词频的基础上，要对每个词分配一个”重要性”权重。这个

>>阅读原文<<