Question

我有问题，我无法用我的实际代码计算tf-idf。

这是tf-idf的一个例子：

$tfidf = $term_frequency *  // tf
        log( $total_document_count / $documents_with_term, 2); // idf

我有完整的文件，但我需要$ documents_with_term和$ term_frequency。

这是我的实际代码：

$frase = htmlspecialchars($_GET['frase'], ENT_NOQUOTES);

$sssql = $server_link->query("SELECT uDR.webTitulo, uDR.webDescripcion, uDR.webkeywords, uDR.weburl, SUM(uDR.priority) as SPriority
FROM (

(SELECT s1.webTitulo, s1.webDescripcion, s1.weburl, s1.webkeywords, $a as priority FROM webs s1 WHERE MATCH (webTitulo) AGAINST ('$frase'))

UNION

(SELECT s2.webTitulo, s2.webDescripcion, s2.weburl, s2.webkeywords, $b as priority FROM webs s2 WHERE MATCH (webkeywords) AGAINST ('$frase*' IN BOOLEAN MODE))

UNION

(SELECT s3.webTitulo, s3.webDescripcion, s3.weburl, s3.webkeywords, $c as priority FROM webs s3 WHERE MATCH (webDescripcion) AGAINST ('$frase'))) uDR

GROUP BY uDR.webTitulo, uDR.weburl, uDR.webDescripcion, uDR.webkeywords

ORDER BY SPriority DESC ");

$totalRows = $sssql->num_rows; //This is the $total_document_count

我有$ total_document_count，但我不知道如何提取TF和$ documents_with_term。

我如何提取它们？。

Answer 1

在您的示例中，$ totalRows将是带有term的文档。
总文件数为SELECT COUNT（*）total_documents FROM webs
用SQL来判断术语频率有点难度。见：Count the number of occurrences of a string in a VARCHAR field?

如何计算tf-idf？

1 个答案: