这是一个用来衡量一个词在一篇文章中**“有多重要”**的算法。

它的全称是：

• TF：Term Frequency → 词频，词在一篇文章中出现的次数。

• IDF：Inverse Document Frequency → 逆文档频率，词在整个语料库中有多常见。

最终：
👉 TF-IDF = TF × IDF

用生活比喻讲一下

假设你在一堆朋友圈文章中找“真正有意义的词”。

TF：这个词在这篇文章里出现多少次？

比如你在一篇文章里看到“猫”出现了10次，那它在这篇文章中可能挺重要。

IDF：但如果“猫”也在几乎所有文章里都出现过，那就不稀奇了。

就像“我”“你”“今天”等词，在每一篇文章里都有，这些词就算再多，也没什么辨识度，不重要。

所以，常见词要打折扣，冷门词才加权重。

举个具体例子：

你有两篇文章：

• 文章A：讲“养猫的幸福”

• “猫”出现了10次

• “幸福”出现了2次

• 文章B：讲“职场焦虑”

• “猫”只出现1次

• “焦虑”出现了8次

如果“猫”这个词在所有文章中都很常见，那它的 IDF 很低。
而“焦虑”这个词在文章B中出现多，且在其它文章中很少提到，它的 IDF 高。

所以：

• “猫”虽然在文章A里词频高，但因为太常见，重要性就被抵消了；

• “焦虑”在文章B里出现多，而且很少在别的文章中看到，它就被判定为这篇文章的关键词。

数学上长什么样？（可跳过，只看意思）

• TF = 某词在文章中出现的次数 ÷ 文章总词数

• IDF = log（总文章数 ÷ 含这个词的文章数）

• TF-IDF = TF × IDF

直白地说：
出现得越多，越重要；
出现得越稀有，越重要。

TF-IDF 是干嘛用的？

• 搜索引擎：判断用户搜索词和网页的匹配度

• 关键词提取：从一堆文章中挑出“每篇的重点词”

• 文章分类、推荐系统：先看哪些词“代表这篇内容”，再找相似的

小结一句话

TF-IDF 就像是“找关键词的雷达”：

• 一个词在这篇文章里很常见 → 说明这篇文章在讲它（TF高）

• 但如果它在所有文章都常见 → 说明它不特别（IDF低）

• 所以，真正重要的词，是那种“这篇文章提了很多，别的文章却很少提”的词。