TF-IDF: هل هذا النهج صحيح؟

Question

أرغب في حساب تردد المصطلح باستخدام TF-IDF. لقد قمت بصياغة معادلة حيث يجب عليك الحصول على قيمة TF-IDF على الجانب الأيسر. هل هذا صحيح؟

TF-IDF ل DOCUMENT:

tf-idf(WORD) = occurrences(WORD,DOCUMENT) / number-of-words(DOCUMENT) * log10 ( documents(ALL) / ( 1 + documents(WORD, ALL) ) )

• occurrences(WORD,DOCUMENT): عدد من الحوادث WORD في DOCUMENT
• number-of-words(DOCUMENT): عدد الكلمات في DOCUMENT
• documents(ALL): عدد الوثائق في قاعدة البيانات
• documents(WORD, ALL): عدد المستندات في قاعدة البيانات التي تحتوي على WORD

سيكون رائعا إذا كنت تستطيع مساعدتي. شكرا جزيلا لك مقدما!

Answer 1

وفقا لمقال Wikipedia هو الصحيح، قد ترغب في التغيير إلى مستندات 1 + (Word، الكل) بدلا من المستندات فقط (Word، الكل) حيث تقترح مقالة Wikipedia.

TF-IDF على ويكيبيديا