特征权重计算——逆文档频率因子

admin8年前 (2016-11-08)SEO优化493

什么是逆文档频率因子,简称IDF,IDF反映了在文档集合中一个单词对一个文档的重要性,经常在文本数据挖据与信息提取中用来作为权重因子。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。逆向文件频率(inversedocument frequency,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,再将得到的商取对数得到。

逆文档频率因子与文档息息相关,SEOer通常说的词频,也就是TF值,指的是单词在文档中的出现次数,TF是对不同的文档而言的。而IDF指的是文档集合的一个全局因子,对于一个文档集合,每个单词的IDF值就是确定的,跟某个文档无关,因此IDF表现的不是文档本身的特征,而是特征单词之间的相对重要性。

逆文档频率因子IDF的计算公式如下图

根据这个计算公式可以看出,文档频率越高,IDF值就小,意思是说越多的文档包含某个单词,那其IDF权值越小,IDF反映出特征词在整个文档集合中的分布情况,特征词出现的次数越多,IDF值越低,那么这个词区分不同文档的能力越差咯,重要性自然也就降低了。IDF值越高,说明特征词区分文档的能力越强,那这个特征词就越有价值。

SEO们,通过逆文档频率因子,你们从中懂得了什么呢?SEOer仔细揣摩下吧,当你布置给你们的作业。

百度的天网算法

搜索引擎如何提取正文

相关文章

百度MIP效果演示及站点改造资料

百度MIP效果演示及站点改造资料

8月21号,第一时间给大家介绍了百度的MIP计划,相信SEO人员对MIP计划都有所了解了,短时间内应该还没来得及动手改造网站。继续关注百度的MIP,手机搜索“百度MIP" ,可以看到搜索结果...

怎样写软文吸引百万流量

怎样写软文吸引百万流量

做SEO的都知道要写好一篇软文是多少重要,但是要真正将一篇软文写是不像一篇软件却是需要很深的造诣的。之前有人在百度贴吧发过这样一篇带预言性的帖子,预言2014年世界杯中国将会夺冠,在此立贴为证。虽然大...

珠海seo谈如何做好seo服务

珠海seo谈如何做好seo服务

在珠海这个弹丸之地,专业做SEO服务的人员不多,根据笔者本人多年在珠海从事SEO的工作经验,整理出了这篇如何做好SEO服务的拙文。seo服务,实际是指围绕某个特定的主题,通过对搜索引擎友好的方式而展开...

百度的MIP计划抢鲜看

百度的MIP计划抢鲜看

才说过Google的AMP项目,预计百度也会出类似的东西,没想来得这么快,看来百度学习的速度越来越快了,深夜给大家抢鲜看下百度的MIP计划。百度的MIP计划与Google的AMP项目所要实现的目标一样...

百度与谷歌对新站SEO的不同策略

百度与谷歌对新站SEO的不同策略

百度和谷歌对等待新站都有自己的标准,谷歌有沙盒原理,百度有审核期,不过从总体的方向来看,其根本都是差不多,都是为了挑选优秀的网站,且都为3-6个月的时间。两者的区别是,过了审核期后,谷歌更注重网站本身...

搜索引擎的中文分词方法

搜索引擎的中文分词方法

中文的搜索引擎,主要以百度,360,搜狗为首。对于中文分词方法繁多,也比较复杂。搜索引擎在完成网页的查重工作后,在分析系统准备将结果发往索引系统前进行分词工作。相对来说,英文的分词方法会比中文的分词方...

发表评论

访客

◎欢迎参与讨论,请在这里发表您的看法和观点。