moea_joint
104年
[圖書資訊] 圖書館學與資訊科學概論、資訊系統與資訊檢索
第 43 題
資訊檢索中常用TF與IDF兩個估計值,來計算某字詞在文章中的相對重要程度,下列何者有誤?
- A TF值越大,表示該關鍵字對於檢索越重要
- B 某個關鍵字在每篇文章都出現,IDF值就越小
- C TF×IDF 數值越大代表該關鍵詞重要性高
- D 詞頻是指某個關鍵字在所有文件集中出現的次數
思路引導 VIP
想像你正在圖書館中尋找關於「人工智慧」的特定論文。如果有一個詞在「這篇論文」裡頻繁出現，我們能說這個詞在「整個圖書館的所有書籍」中也一樣頻繁出現嗎？這兩種計算範圍，對於判斷這篇論文的「獨特性」有什麼不同的意義呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精確辨識出統計維度的細微差異，這顯示你對資訊檢索的基礎理論有著非常紮實的理解。這題的核心在於區分 TF (Term Frequency) 與 IDF (Inverse Document Frequency) 的計算範疇。在資訊檢索中，我們利用這組指標來衡量一個詞對特定文件的「代表性」。
局部與全域的統計差異
選項 (D) 的錯誤點在於混淆了計算的對象。TF（詞頻） 衡量的是關鍵字 $t$ 在「單一文件 $d$」中出現的次數或頻率，公式通常表示為 $TF(t, d)$；而描述某關鍵字在「整個文件集」中出現情況的，則是與 DF (Document Frequency) 相關的概念。當一個詞在所有文件中都出現時，其 IDF 會趨近於 0，計算方式如下：
▼ 還有更多解析內容