什么是反转文件频率（IDF）？

上次为大家介绍了什么叫做词频，在那篇文章中（），我们涉及到了一个新的概念：反转文件频率（IDF），那么这个是什么意思呢？今天我们就在这篇文章中为大家做一个介绍。

在了解这个概念之前，我们先了解下什么叫做文件频率，这个指的是一个在一定数量的文件中出现在多少个文件中，也就是有这个关键词的文件占所有文件的比例，这个就被叫做文件频率，而反转文件频率（IDF）就是文件频率的倒数，也就是文件总数除以带有关键词的文件数。

反转文件频率的中文名又被叫做逆向文件频率，被叫做这些名词，都是因为它跟文件频率的方向是相反的。

这个是指的某一个关键词的普遍性的概念，比如某个关键词在所有文件中出现的次数，一万个文件中，这个关键词在1000个文件中出现了，这1000个文件对于这个关键词来说，肯定比其他的9000个文件更加的重要，所以理论上，关键词出现的文件数越少，这些出现关键词的文件对于这个关键词就越重要。这个就是反转文件频率的概念。

可以简单的理解为特定在关键词在某些文件中出现的频率高，而在其他文件中的出现的频率低，这些文件会在这个关键词的检索中会显得更加重要。

但是在实际的应用中，反转文件频率远远不是这么简单的进行理解的。下次我们将会介绍一个组合型的概念词频–反转文件频率（TF-IDF）。