在语义消歧实验中，需要统计歧义词不同义项的 TF-IDF 值，其中 TF 表示？IDF 表示？并将计算 TF-IDF 值的代码写出来。

TF表示词频（Term Frequency），指某个词在文本中出现的频率，计算公式为：该词在文本中出现的次数/文本总词数。

IDF表示逆文档频率（Inverse Document Frequency），指包含该词的文档数占总文档数的比例的倒数，计算公式为：log(语料库中文档总数/包含该词的文档数)。

TF-IDF即将词频和逆文档频率相乘，表示该词在整个语料库中的重要性。

以下是计算TF-IDF值的代码：

import math

def calc_tf(word, doc):
    '''
    计算词在文档中的词频
    word: str，待计算的词
    doc: list，文档列表
    return: float，词频值
    '''
    return doc.count(word) / len(doc)

def calc_idf(word, corpus):
    '''
    计算词在语料库中的逆文档频率
    word: str，待计算的词
    corpus: list，语料库列表
    return: float，逆文档频率值
    '''
    count = sum([1 for doc in corpus if word in doc])
    return math.log(len(corpus) / (count + 1))

def calc_tf_idf(word, doc, corpus):
    '''
    计算词在文档中的TF-IDF值
    word: str，待计算的词
    doc: list，文档列表
    corpus: list，语料库列表
    return: float，TF-IDF值
    '''
    tf = calc_tf(word, doc)
    idf = calc_idf(word, corpus)
    return tf * idf

其中，`word`为待计算的词，`doc`为包含该词的文档，`corpus`为整个语料库。`calc_tf`函数计算词在文档中的词频，`calc_idf`函数计算词在语料库中的逆文档频率，`calc_tf_idf`函数计算词在文档中的TF-IDF值。