自行编写TF-IDF算法和Jieba中TF-IDF算法结果比较

任务：对10个战略新兴产业描述文档提取特征词，从而建立10个产业的特征，要求是10个产业特征词区分度和代表度越大越好。采用TF-IDF算法对文档提取特征词，一开始使用jieba自带tf-idf算法，结果不太理想，见下图，每一列为10个产业提取的特征词，红色是之间有重复的情况。 分析原因：jieba的tf-idf算法tf值和idf值依托自身的词典，所以没有针对性。 自己编写TF-IDF算法，效果优于

>>阅读原文<<