文件名称：Term-Frequency-Inverse-Document-Frequency
文件大小：28KB
文件格式：ZIP
更新时间：2024-04-19 16:15:01
MATLAB
术语频率-反文档频率（tf-idf） docdistances.m是一个MATLAB程序，用于计算两个文档之间的距离。 该脚本将计算6个文档之间的距离：3个文档是童话故事的提要（红帽，公主和豌豆和灰姑娘）； 其他3个文档是与蛋白质功能预测有关的论文的摘要（标识为CAFA1，CAFA2和CAFA3）。 步骤0：形成语料库。 语料库是所有文档中唯一词的集合。 步骤1：计算字词频率（TF） 测量术语（单词）在文档中出现的次数 第2步：计算反向文档频率（IDF） IDF = 1 + log（文档总数/包含该术语的文档数） 注意：以e为底的日志 步骤3：TF * IDF 步骤4：计算余弦距离 余弦距离c = 1-cos（tf-idf向量之间的角度）
【文件预览】：
Term-Frequency-Inverse-Document-Frequency-main
----PrincessPea.txt(2KB)
----docdistances.m(1KB)
----Cinderella.txt(4KB)
----CAFA3.txt(2KB)
----RedRidingHood.txt(2KB)
----CAFA1.txt(895B)
----README.md(888B)
----CAFA2.txt(844B)
----tf-idf.png(24KB)