Que signifient les composants TF et IDF?

TF et IDF sont des composants clés de la méthode TF-IDF, utilisée pour évaluer l'importance des mots dans les documents.

• TF (Fréquence du Terme) — la fréquence du terme dans un document spécifique. Montre à quelle fréquence un mot apparaît dans ce texte.

• IDF (Fréquence Inverse du Document) — la fréquence inverse du document, mesure à quel point un mot est rare ou courant dans toute la collection de documents.

L'idée est que les mots qui apparaissent fréquemment dans un document spécifique (TF élevé), mais sont rares dans d'autres documents (IDF élevé), ont une plus grande importance pour ce document.

Formule:

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

où:

• (t) — terme,
• (d) — document,
• (N) — nombre total de documents,
• (DF(t)) — nombre de documents contenant le terme (t).

TF-IDF est largement utilisé dans la recherche d'information, l'analyse de texte et l'apprentissage automatique pour mettre en évidence les mots-clés.