术语频率计算

Question

我需要计算文件中术语的术语频率...... 我所做的只是简单地“计算该术语出现在该文件中的次数”......如果该术语出现了138次，我将tf值设为138 ....我做对了.. ?? 因为我在某处读到了 termfrequency（tf）=文件中的术语计数/没有单词...如果这是真的，我如何计算文档中的单词的数量..对于它来说是一些正则表达式???

请回复..谢谢你

Answer 1

在大多数正则表达式实现中，存在单词边界\b的概念。因此，匹配一个单词的正则表达式可能如下所示：\b(\w+)\b。

基本上，正则表达式所说的是：匹配单词边界，然后匹配至少1个单词字符（\w+），然后再单词边界。括号括起来只是将匹配的单词添加到一个组中，以便以后可以提取它。在您的情况下，这可能不是必需的，因此如果您愿意，可以删除它们。

我希望对你有所帮助。

Answer 2

您没有提及您使用的语言/程序。大多数文本编辑器会告诉您文档中有多少单词。在unix中，您可以使用'wc -w filename'命令。