frequency - 词频计算

Question

我需要计算文档中术语的术语频率……我所做的只是“计算该术语在该文档中出现的次数”……如果该术语出现了 138 次，我将 tf 值设为 138 ....mi 做对了..?? 当我在某处读到术语频率（tf）=术语计数/文档中的单词数...如果这是真的我如何计算文档中的单词数..是一些正则表达式吗？？？

请回复..谢谢你

Answer 1

在大多数正则表达式实现中，都有单词边界的概念，\b. 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：匹配一个单词边界，然后至少匹配 1 个单词字符 ( \w+)，然后再匹配一个单词边界。括起来的括号只是将匹配的单词添加到一个组中，以便您以后可以提取它。在您的情况下，这可能不是必需的，因此您可以根据需要删除它们。

我希望这对你有一点帮助。

Answer 2

你没有提到你使用什么语言/程序。大多数文本编辑器会告诉您文档中有多少字。在 unix 中，您可以使用“wc -w 文件名”命令。