Inverse Document Frequency

释义 Definition（中文）

逆文档频率（常缩写为 IDF）：信息检索与文本挖掘中的一个权重指标，用来衡量某个词在整个语料库中有多“稀有”。词越少见，IDF 通常越高；常用于 TF‑IDF 中，以降低常见词（如 the, is）的影响、突出更具区分度的词。（该术语在不同教材中公式可能略有变体。）

发音 Pronunciation（IPA）

/ˈɪn.vɝːs ˈdɑː.kjə.mənt ˈfriː.kwən.si/

例句 Examples

Inverse document frequency helps reduce the impact of very common words.
逆文档频率有助于降低非常常见词的影响。

In a TF‑IDF model, a term that appears in many documents receives a low inverse document frequency, so it contributes less to the final score.
在 TF‑IDF 模型中，一个词若出现在很多文档里，它的逆文档频率就会较低，因此对最终得分的贡献更小。

词源 Etymology（中文）

该术语由三部分组成：inverse（“反向的、倒数的”）+ document（“文档”）+ frequency（“频率”）。含义直观：不是看某词出现得多不多（频率），而是看它在多少文档中出现这一“文档频率”的反向/倒数意义，以强调稀有词的区分能力。该概念在信息检索领域早期研究中被系统化，用于改进关键词检索与相关性排序。

相关词 Related Words

• Corpus
• Frequency
• Information
• Inverse
• Keyword
• Relevance
• Retrieval
• Similarity
• Term
• Tf-idf
• Weighting

文学与经典著作出现 Literary Works

• Introduction to Information Retrieval（Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze）——在 TF‑IDF 与排序模型章节中讨论 IDF 概念与用法。
• Modern Information Retrieval（Ricardo Baeza‑Yates, Berthier Ribeiro‑Neto）——介绍权重计算与 IDF 在检索模型中的作用。
• Karen Spärck Jones（1972）相关论文（信息检索经典文献）——早期系统阐述“逆文档频率”思想并影响后续检索权重设计。