词频-你文件频率（TF-IDF）

缺点：

1. 词频（TF）和逆文件频率（IDF）的统计和计算都直接从语料统计得出，当增加语料的时候，TF和IDF往往需要重新计算，无法增量更新，每次添加语料，需要重新计算词频。 

2. 没有考虑特征词的位置因素对文本的区分度，词条出现在文档的不同位置时，对区分度贡献大小是不一样的。
   

3. 按照传统TF-IDF，往往一些生僻词的IDF（反文档频率）会比较高、因此这些生僻词往往会被误认为是文档关键词。
   

IDF 是逆文件频率，表示关键词的普遍程度。

如果包含词条i的文档越少，IDF越大，则说明该词条具有很好的类别区分能力。

某一特定词语的IDF，可以由总文件数目除以包含该词语的文件数目，再将得到的商取对数得到。