TF-IDF

Cette mesure, proposée par G. Salton (1989), permet d'attribuer un score d'importance à un terme (unité lexicale) dans un document (unité de contexte).

Sa formule est la suivante:

w i,j = tf i,j x idf i (Term Frequency x Inverse Document Frequency)

Avec:

tf i,j = fréquence d'apparition de i (terme) dans j (document)
df i = nombre de documents du corpus contenant i
N = nombre de documents du corpus

On peut normaliser la Fréquence du Terme (tf i,j ) dans la manière suivante:

tf i,j = tf i,j / Max (f i,j )

où Max (f i,j ) est la fréquence maximale de i (un terme quelconque) dans j (document).