关于TF-IDF的解释

TF：term frequency ，词频 。指的是 term 出现的评率。词频和 2 个因数有关，在一个文档中出现这个词条次数越多，词频越高，文档总词条总数越多这个值被稀释。

所以  一般 TF = 词条在文档出现的次数 / 文档总词数。

IDF：倒排索引的频率。 log (   docment 数量/ (出现这个词条的 文档数 +1) )， IDF 描述的是 某个词在 倒排索引中的频率，说白了就是描述这词条在 倒排 所占的权重（相对所有词的权重）。这个权重乘 TF 就是这个 docment 的评分。

我们可以想想， 词条在倒排索引里面的频率，只和2 个因数有关。如果 出现这个词条的 文档越多，频率越高，如果文档数量越多，这个会被稀释。至于为什么要 用  log (   docment 数量/ (出现这个词条的 文档数 +1) ) ，而不是  使用  出现 出现这个词条的 文档数 /docment 数量 。我就不清楚了。

备注：term，在 而是 里面你是一个  不分词的 最小词条。