【发布时间】：2017-02-23 19:12:09
【问题描述】：
当我在 Wiki 上阅读 tf–idf 时，我对“文档”一词的含义感到困惑。是段落的意思吗？
“逆文档频率是衡量一个词提供多少信息的量度，即该词在所有文档中是常见的还是稀有的。它是包含该词的文档的对数比例的反比例，由下式获得将文档总数除以包含该术语的文档数，然后取该商的对数。”
【问题讨论】：
标签： text nlp text-mining tf-idf data-science
【发布时间】：2017-02-23 19:12:09
【问题描述】：
tf-idf 上下文中的Document 通常可以被认为是bag of words。在vector space model 中，每个单词都是非常高维空间中的一个维度，其中单词向量的大小是文档中单词（术语）的出现次数。 Document-Term 矩阵表示一个矩阵，其中行表示文档，列表示术语，矩阵中的每个单元格表示文档中单词的 # 次出现。希望清楚。
【讨论】：
“文档”是不同的文本。这通常意味着每篇文章、每本书等都是它自己的文档。
如果您愿意，您可以将单个段落甚至句子视为“文档”。这完全是一个观点问题。
【讨论】：