TF-IDF
IT 위키
- Term Frequency - Inverse Document Frequency
- TF = 단어의 출현 수 / 총 단어의 개수
- a new car, used car, car review
- TF Score를 통해 car가 중요한 단어라는 것을 확인하였음
| 단어 |
TF Score
|
| a |
1/7
|
| new |
1/7
|
| car |
3/7
|
| used |
1/7
|
| review |
1/7
|
- a friend in need is a friend indeed
- TF Score를 측정했는데 Friend와 a가 동일한 중요도로 산출됨
- 이런 경우를 보완하기 위해 IDF 사용
| 단어 |
TF Score
|
| a |
2/8
|
| friend |
2/8
|
| in |
1/8
|
| need |
1/8
|
| is |
1/8
|
| indeed |
1/8
|
- IDF = Log ( 총 문장의 수 / 이 단어가 사용된 문장의 수 + 1 )
- '이 단어가 사용된 문장의 수'에 1을 더하는 것은 0으로 나누는 것을 방지하기 위함
- 아래 예시에선 최소 1개씩 등장하므로 1을 더하지 않는다.
- TF에 IDF를 적용하면, a/the/in/is 와 같은 의미 없는 불용어를 희석시킬 수 있다.
| 단어 |
TF Score |
IDF Score |
TF * IDF
|
| a |
1/7 |
Log(2/2) = 0 |
0
|
| new |
1/7 |
Log(2/1) = 0.3 |
0.04
|
| car |
3/7 |
Log(2/1) = 0.3 |
0.13
|
| used |
1/7 |
Log(2/1) = 0.3 |
0.04
|
| review |
1/7 |
Log(2/1) = 0.3 |
0.04
|
| a |
2/8 |
Log(2/2) = 0 |
0
|
| friend |
2/8 |
Log(2/1) = 0.3 |
0.08
|
| in |
1/8 |
Log(2/1) = 0.3 |
0.04
|
| need |
1/8 |
Log(2/1) = 0.3 |
0.04
|
| is |
1/8 |
Log(2/1) = 0.3 |
0.04
|
| indeed |
1/8 |
Log(2/1) = 0.3 |
0.04
|
