【词频】基本信息（拼音,读音等）我要纠错

简体

词频

繁体

詞頻

拼音

cí pín

怎么读

英语

term frequency

【词频】的意思和解释

【词频】是什么意思（来源：辞书）

　　词频（term frequency，简称TF）是指文件中词汇出现的频率或是次数，是衡量一个词汇重要性的一种指标。在各种资讯检索模型中，如向量空间模型、机率模型、语言模型，都会用到词频的概念。一般而言，一个词汇在某一篇文件中出现的次数越高，即词频越高，则其在该篇文件中的代表性越重要。例外的情况，有虚词、连接词、代名词等功能词（function words），这些词汇，经常有高词频，却不带有任何内容意义，在文件的词汇处理过程，常被特意地停用、过滤掉，因而被称为停用词（stop words）。此外，词汇的重要性，也会考虑到这个词汇出现在所有文件中的篇数，亦即其文件篇数（document frequency，简称DF）。若其出现在越多篇文件中，即DF越高，则表示该词汇可能为常用字，故而重要性越低，相对于其反向文件篇数（inverse document frequency，简称IDF）也低。例如，在一批有关电脑的文件中，搜寻电脑这个词汇，几乎所有的文件都会被找回，则不管其词频（TF），电脑在这批文献中，对检索没有帮助，其重要性要降低，刚好对应到其IDF也低。因此，词汇的重要性，经常以词频（TF）以及反向文件篇数（IDF）这两个概念，一起考虑。真正在应用词频的概念时，常会对词频做转换而获得一个重要性数值。例如，词汇A与词汇B在某一篇文件中各出现TF(A)=8次与TF(B)=2次，但不代表词汇A的重要性是词汇B的8/2＝4倍。常用的转换作法，有取对数函数，如log2( TF(A) ) = log2(8) = 3，log2( TF(B) ) = log2(2) = 1，如此词汇A的重要性只比词汇B多3倍。此外，还有对文件内所有的词汇频率做正规化处理，例如TF(A)除以该文件所有词汇的总词频（等于词汇A的出现机率），词汇的重要性，从频率的次数分布，变成词汇的出现机率分布，如此可以在机率的理论中探讨词汇与文件的各种特性。

--作者:曾元显