重要性彈性搜索相關的計算逆文檔頻率的得分

Question

我對相關性得分是如何計算的文檔中讀取。但是我仍然無法理解爲什麼他們考慮了逆文檔頻率。逆文檔頻率如何影響文檔的相關性？

Answer 1

基本上，如果時間T是很常見的（如像停用詞，「和」，「中」，等等），並可以在文檔中的一個很大的發現，你可能不感興趣，讓所有的文件回來，你可能不希望術語T影響得分太多。

這就是TF/IDF公式中IDF部分的工作，這意味着較少的術語將對評分提供更高的貢獻，因此爲什麼術語T在給定文檔中的術語頻率TF乘以IDF整個文檔語料庫的這個術語。顯然，越多的文件包含一個給定的術語，這個術語應該是不那麼相關/有區別的。

的術語，「大象」在文檔d中出現了幾次，但不一定在所有其他文件，將有助於給文檔d得分高於所有其他文件。

一個術語「和」出現在幾乎每一個文件將難有作爲比分，因爲IDF可以忽略不計。