缺点 计算复杂度高:LSA需要对词-文档矩阵进行奇异值分解,计算复杂度较高,在处理大规模文本时可能耗时较长。 缺乏概率解释:LSA不是概率模型,缺乏严谨的数理统计基础,对于结果的解释性较弱。 三种算法的优缺点比较总结 算法优点缺点 TF-IDF 计算简单、效果直观 无法处理语义、忽略词序 TextRank 无需外部语料、考虑语义...
优缺点TF-IDF的优点是简单快速,而且容易理解。缺点是有时候用词频来衡量文章中的一个词的...一个词的常见程度成反比。 当有TF(词频)和IDF(逆文档频率)后,将这两个词相乘,就能得到一个词的TF-IDF的值。某个词在文章中的TF-IDF越大,那么一般而言这个词在这篇文章的重要性会越高,所以...
优点: 相比较one-hot, tf-idf 用计算频率的方式巧妙地引入了文本语料库的信息. tf与idf的结合使得它...
缺点：1. 只是基于统计信息做出来的数值，不同词语之间的tfidf数值只能比较大小，且比较的结果只能表示“...
优点：表示形式简单，只需构建出词典即可；缺点：向量太过于稀疏，同时只简单表示了单词在字典中的位置，...
2. tf-idf：用词频（tf）和逆文本频率（idf）的乘积来表示每个词。优点：算法简单，不需要特别的训练...
TF-IDF算法的优点是简单快速，结果比较符合实际情况。缺点是，单纯以"词频"衡量一个词的重要性，不够...
IDF 是一种试图抑制噪声的加权，本身倾向于文本中频率比较小的词，这使得IDF 的精度不高；TF-IDF 严重...
缺点是tf-idf仍然不能表达词的意思，也不考虑词的顺序和上下文，无法计算词之间的相似度乃至句子和段落...