百度新闻之类的系统，它从互联网上收集文章，然后自动分成“娱乐”“军事”等类别。可是计算机读不懂文章啊，那怎样让计算机读懂文章的内容并做出合适的分类呢？
大家都学过余弦定理吧，自动归类的算法有赖于余弦定理。
最简单的计算文章向量的方法是给定一个词表（如64000常用词），再计算文章中每个词的权重。权重算法下面再介绍。
所以，只要能够用一个向量来代表文章，然后计算它与分类向量的夹角，就能够做出分类了。
最简单的是求词汇的频率
但是只考虑词汇频率的算法是有漏洞的
那怎么计算一个词预测主题的能力呢，可以用到IDF。
结合词汇的频率和逆文本频率，就得到一种比较好的算法了。
– 本文出自中华MOD网，原文地址：http://www.1mod.org/thread-133190-1-1.html
原创文章，作者：Maggie-Hunter，如若转载，请注明出处：https://blog.ytso.com/7446.html