Tf-idf：这种方法是否正确？

Question

我想用tf-idf来计算术语频率。我已经草拟了一个方程式，您应该在左侧获得tf-idf值。它是否正确？

TF-IDF为DOCUMENT：

tf-idf(WORD) = occurrences(WORD,DOCUMENT)/number-of-words(DOCUMENT) * log10 (documents(ALL)/(1 + documents(WORD, ALL))) 

• occurrences(WORD,DOCUMENT)：中WORD出现在数DOCUMENT
• number-of-words(DOCUMENT)：词的数量DOCUMENT
• documents(ALL)：文件在数据库
数
• documents(WORD, ALL)：数据库中包含的文档数量WORD

如果你能帮助我，那将是非常好的。非常感谢您提前！

Answer 1

根据维基百科文章的说法，这是正确的，您可能想要更改为1 +文档（WORD，ALL），而不是像维基百科文章中的文档（WORD，ALL）。

TF-IDF on wikipedia