TF-IDF: ¿Es correcto este enfoque?

Question

Me gustaría para calcular la frecuencia de los términos utilizando TF-IDF. He redactado una ecuación donde se debe obtener el valor TF-IDF en el lado izquierdo. ¿Es esto correcto?

Tf-idf para DOCUMENT:

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

• occurrences(WORD,DOCUMENT): número de ocurrencias de WORD en DOCUMENT
• number-of-words(DOCUMENT): número de palabras en DOCUMENT
• documents(ALL): número de documentos en la base de datos
• documents(WORD, ALL): número de documentos en la base de datos que contienen WORD

Sería muy bueno si usted me podría ayudar. Muchas gracias por adelantado!

Answer 1

De acuerdo con el artículo de wikipedia es correcta, es posible que desee cambiar a 1 + documentos (Word, ALL) en lugar de sólo los documentos (Word, todos) como el artículo de Wikipedia sugiere.

TF-IDF en Wikipedia