TF-IDF: Difference between revisions
From CS Wiki
No edit summary |
(→IDF) |
||
| (4 intermediate revisions by 3 users not shown) | |||
| Line 2: | Line 2: | ||
;Term Frequency - Inverse Document Frequency | ;Term Frequency - Inverse Document Frequency | ||
=== TF Score === | === TF Score === | ||
; TF = 단어의 출현 수 / 총 단어의 개수 | |||
* a new car, used car, car review | * a new car, used car, car review | ||
** TF Score를 통해 car가 중요한 단어라는 것을 확인하였음 | ** TF Score를 통해 car가 중요한 단어라는 것을 확인하였음 | ||
| Line 41: | Line 41: | ||
=== IDF === | === IDF === | ||
; 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. | * TF에 IDF를 적용하면, a/the/in/is 와 같은 의미 없는 불용어를 희석시킬 수 있다. | ||
{| class="wikitable" | {| class="wikitable" | ||
| Line 51: | Line 53: | ||
| new || 1/7 || Log(2/1) = 0.3 || 0.04 | | new || 1/7 || Log(2/1) = 0.3 || 0.04 | ||
|- | |- | ||
| car || 3/7 || Log(2/1) = 0.3 || '''0.13''' | | '''car''' || 3/7 || Log(2/1) = 0.3 || '''0.13''' | ||
|- | |- | ||
| used || 1/7 || Log(2/1) = 0.3 || 0.04 | | used || 1/7 || Log(2/1) = 0.3 || 0.04 | ||
| Line 59: | Line 61: | ||
| a || 2/8 || Log(2/2) = 0 || 0 | | a || 2/8 || Log(2/2) = 0 || 0 | ||
|- | |- | ||
| friend || 2/8 || Log(2/1) = 0.3 || 0.08 | | '''friend''' || 2/8 || Log(2/1) = 0.3 || '''0.08''' | ||
|- | |- | ||
| in || 1/8 || Log(2/1) = 0.3 || 0.04 | | in || 1/8 || Log(2/1) = 0.3 || 0.04 | ||
Latest revision as of 10:43, 11 February 2020
- Term Frequency - Inverse Document Frequency
TF Score[edit | edit source]
- 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[edit | edit source]
- 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 |
