Ce înseamnă componentele TF și IDF?

TF și IDF sunt componente cheie ale metodei TF-IDF, utilizate pentru a evalua importanța cuvintelor în documente.

• TF (Frecvența Termenului) — frecvența termenului într-un anumit document. Arată cât de des apare un cuvânt în acest text.

• IDF (Frecvența Inversă a Documentului) — frecvența inversă a documentului, măsoară cât de rar sau comun este un cuvânt în întreaga colecție de documente.

Ideea este că cuvintele care apar frecvent într-un document specific (TF ridicat), dar sunt rare în alte documente (IDF ridicat), au o importanță mai mare pentru acel document.

Formula:

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

unde:

• (t) — termen,
• (d) — document,
• (N) — numărul total de documente,
• (DF(t)) — numărul de documente care conțin termenul (t).

TF-IDF este utilizat pe scară largă în căutarea informațiilor, analiza textului și învățarea automată pentru evidențierea cuvintelor cheie.