TF-IDF（Term frequency–Inverse Document Frequency，词频-逆向文件频率）是一种用于信息检索（information retrieval）与文本挖掘（text mining）的常用加权技术。
词频=某个单词在某篇文章中出现的次数，考虑到文章有长短之分，为了便于不同文章的比较，进行"词频"标准化——TF：
或者：
TF-IDF与一个词在文档中的出现次数成正比，与该词在整个语言中的出现次数成反比。
直观的解释是， 如果一个单词在非常多的文章里面都出现， 那么它可能是一个比较通用的词汇， 对于区分某篇文章特殊语义的贡献较小， 因此对权重做一定惩罚。
假如我们有1000篇文章，
这1000篇文章一共有词汇10000个，那么我们得到的是1000*10000的矩阵，对于第1篇文章，其分词后又词汇50个，那么其TF-IDF就是1*10000的向量，这个向量是稀疏的，只有50个值不为0。
