特征权重计算——逆文档频率因子
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。
