什么是tf-idf算法？

TF-IDF算法是一种用于信息检索和文本挖掘的常用技术。TF代表词频（Term Frequency），IDF代表逆文档频率（Inverse Document Frequency）。TF-IDF的主要思想是通过计算一个词语在文档中的频率（TF），并与它在整个语料库中的出现频率相比较（IDF），来确定一个词语在文档集合中的重要性。

具体地说，TF-IDF算法通过两个步骤计算一个词语的权重。首先，计算词语在文档中的词频（TF）。词频可以简单地定义为一个词语在文档中出现的次数。其次，计算逆文档频率（IDF）。逆文档频率是一个词语在整个文档集合中出现的频率的倒数。通过将TF与IDF相乘，得到一个词语的TF-IDF权重。

TF-IDF算法的目标是突出在当前文档中频繁出现但在整个语料库中较少出现的词语。这些词语通常是有意义且具有辨别性的。在信息检索和文本挖掘任务中，我们可以使用TF-IDF算法来衡量一个词语与文档之间的相关性，从而进行相关性排序和关键词提取等操作。