TF-IDF（Term Frequency-Inverse Document Frequency）是一種常用于信息檢索和文本挖掘的統計方法，用于評估一個詞在文檔集或一個語料庫中的重要程度。TF-IDF是一種統計方法，用以評估一字詞對于一個文件集或一個語料庫中的其中一份文件的重要程度。字詞的重要性隨著它在文件中出現的次數成正比增加，但同時會隨著它在語料庫中出現的頻率成反比下降。
TF-IDF（Term Frequency-Inverse Document Frequency）是一種用于信息檢索和文本挖掘的常見權重化技術。它用于評估一個詞對于一個文檔集合的重要性或特征程度。
TF（Term Frequency）表示一個詞在一個文檔中的出現頻率。TF可以通過簡單地計算詞在文檔中出現的次數除以文檔總詞數來獲得，或者通過將詞頻進行歸一化處理，例如使用詞頻的對數形式。
IDF（Inverse Document Frequency）表示一個詞在整個文檔集合中的稀有程度。IDF可以通過計算文檔集合中總文檔數除以包含該詞的文檔數的對數來獲得。IDF越大，表示詞越稀有，對于區分不同文檔的能力越強。
TF-IDF是將TF和IDF相乘得到的權重值。TF-IDF值越大，表示該詞在文檔中的重要性越高。TF-IDF可以用于計算文檔的相似性，進行特征選擇和文本分類等任務。
在實際應用中，通常會對TF和IDF進行一些調整，例如使用平滑技術，以便更好地反映詞的重要性。
例如，可以使用TF-IDF算法，實現分析對象文檔的關鍵字詞的提取。具體可以通過文檔預處理選擇候選關鍵字，通過對關鍵字的加權處理，即計算每個的TFIDF權重，再根據TFIDF權重對候選詞進行降序排列，從而確立文檔關鍵字，進而實現文檔分析功能。
