词频计算

Question

我需要计算文档中术语的术语频率... 我所做的只是“计算该术语在该文档中出现的次数”...如果该术语出现 138 次，我将 tf 值设为 138 ....m 我做对了..?？ 当我在某处读到 termfrequency (tf)= term count/no of words in the document...如果这是真的，我如何计算文档中的单词数..是一些正则表达式吗？？？

请回复..谢谢你

Answer 1

在大多数正则表达式实现中，都有单词边界的概念，\b。因此，匹配一个单词的正则表达式可能如下所示：\b(\w+)\b。

基本上，正则表达式的意思是：匹配一个单词边界，然后至少匹配 1 个单词字符 (\w+)，然后再匹配一个单词边界。括起来的括号只是将匹配的单词添加到一个组中，以便您以后可以提取它。在您的情况下，这可能不是必需的，因此您可以根据需要删除它们。

希望对你有所帮助。

Answer 2

您没有提及您使用的语言/程序。大多数文本编辑器会告诉您文档中有多少字。在 unix 中，您可以使用“wc -w 文件名”命令。