好久以前就相关注到TF-IDF的关联介绍，大片面的疏解都是缠绕观点来讲，非常多人把TF-IDF称作“算法”，笔者通读了非常多文章，乃至在本人的网站举行了应用。鉴于非常多同事说波及到太多公式，不轻易明白，本文用简略的实例介绍，谈谈我对TF-IDF的少许看法，不讲繁杂的公式，有望能赞助到列位!
开始，TF词频的观点与搜索引擎优化发起
TF是指词频，盘问的环节词在文档中发现的次数统计。关联文档是如许介绍的，假定盘问环节词在统一个文档中发现的次数越多，代表这个环节词越紧张，越能代表文档的主题意义，文章主题与环节词意义越靠近，辣么做黑帽搜索引擎优化怎样应用这个常识点呢?
假定有一篇文章的题目是：“黑帽搜索引擎优化技术服无外包”，从字面上明白，文章要紧因此黑帽搜索引擎优化技术服无为焦点，“外包”为拓展词。假定文章内容里搜索引擎优化技术服无发现20次，服无发现25次，外包发现10次，根据TF词频的规律，辣么黑帽搜索引擎优化技术服无是文章主题，这个非常好明白。
现实上有些时分写文章时，留心义非常明白的环境下，会不祥主词。好比黑帽搜索引擎优化技术服无外包费用、黑帽搜索引擎优化技术服无外包流程、黑帽搜索引擎优化技术服无外包公司介绍，会缩写成：外包费用、外包流程、外包公司介绍。如许会造成外包发现的次数大于服无，TF词频则会觉得外包是主题，发现毛病的校验。
那既然是如许，做搜索引擎优化环节词结构的时分，应当要得当思量主环节词的发现频率大于副词。固然搜索引擎校验网络主题有非常多维度，这里只是单从TF词频的角度思量，片面觉得如许做会收缩搜索引擎校验网络主题的时间，对搜索引擎优化来说是有益的。
第两怎样疾速明白“IDF逆文档频率”
这个观点若看文档的话有点难明白，起先笔者看百度百科好几次才清楚。波及到繁杂的公式在这里就不讲，连结TF一路来明白，TF-IDF的意义是，一篇文章中某环节词发现的次数越多，且在搜索引擎的材料库中包括该环节词文档数越少，则介绍这个环节词越能代表此网络的主题。
举个例子来介绍，假定有一篇文章，有两个环节词：“搜索引擎优化优化”和“搜索引擎优化服无”，在文章中，这两个环节词发现的材料都是20次，不过在百度的材料库中，包括搜索引擎优化优化的文档统共有一万万个，包括搜索引擎优化服无的文档有五百万个，辣么则介绍，搜索引擎优化服无越能代表这文章的意义。大概搜索引擎材料库中包括环节词的文档数目同样，文章中发现次数越多的环节词越能代表网络主题。
从黑帽搜索引擎优化的层面讲，IDF这个值是客观存在的，无谓去穷究，只有清楚差别环节词之间的文档数几许就行，以百度为例，搜索任何一个环节词，在搜索框底下会有一个：“百度为您找到关联后果大概XXX个”的如许句子，内部的数值能够作为文档数参考。每个搜索引擎的包括环节词的文档数大概差别样，不过整体的比较比例值应当是差未几的。并且跟着时间的推移，文档数也会接续产生转变。
