TF-IDF
stevezhou 2014.12.11
关于TF-IDF算法的说明，http://www.ruanyifeng.com/blog/2013/03/tf-idf.html,备忘。
TF : 词频，Term Frequency的缩写。
IDF : 逆文档频率，Inverse Document Frequency的缩写。
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。最常见的词（"的"、"是"、"在"）给予最小的权重，较常见的词（"中 国"）给予较小的权重，较少见的词（"蜜蜂"、"养殖"）给予较大的权重。这个权重叫做"逆文档频率"（Inverse Document Frequency，缩写为IDF），它的大小与一个词的常见程度成反比。