¿Qué significan los componentes TF e IDF?

TF e IDF son componentes clave del método TF-IDF, utilizado para evaluar la importancia de las palabras en los documentos.

• TF (Frecuencia de Término) — la frecuencia del término en un documento específico. Muestra con qué frecuencia aparece una palabra en ese texto.

• IDF (Frecuencia Inversa de Documento) — la frecuencia inversa del documento, mide qué tan raro o común es una palabra en toda la colección de documentos.

La idea es que las palabras que aparecen con frecuencia en un documento específico (alto TF), pero son raras en otros documentos (alto IDF), tienen mayor importancia para ese documento.

Fórmula:

[ \text{TF-IDF}(t, d) = \text{TF}(t, d) \times \log\left(\frac{N}{DF(t)}\right) ]

donde:

• (t) — término,
• (d) — documento,
• (N) — número total de documentos,
• (DF(t)) — número de documentos que contienen el término (t).

TF-IDF se usa ampliamente en búsqueda de información, análisis de texto y aprendizaje automático para destacar palabras clave.