许久之前就有关注到TF-IDF的相关介绍，大部分的讲解都是围绕概念来讲，很多人把TF-IDF称作“算法”，笔者通读了很多文章，甚至在自己的网站进行了运用。鉴于很多朋友说涉及到太多公式，不容易理解，本文用简单的实例说明，谈谈我对TF-IDF的一些见解，不讲复杂的公式，希望能帮助到各位!

　　首先，TF词频的概念与SEO建议

　　TF是指词频，查询的关键词在文档中出现的次数统计。相关文档是这样介绍的，假设查询关键词在同一个文档中出现的次数越多，代表这个关键词越重要，越能代表文档的主题意思，文章主题与关键词意思越接近，那么做SEO如何运用这个知识点呢?

　　假设有一篇文章的标题是：“SEO服务外包”，从字面上理解，文章主要是以SEO服务为核心，“外包”为拓展词。假设文章内容里SEO服务出现20次，服务出现25次，外包出现10次，按照TF词频的规则，那么SEO服务是文章主题，这个很好理解。

　　实际上有些时候写文章时，在意思很明确的情况下，会省略主词。比如SEO服务外包价格、SEO服务外包流程、SEO服务外包公司介绍，会缩写成：外包价格、外包流程、外包公司介绍。这样会导致外包出现的次数大于服务，TF词频则会认为外包是主题，出现错误的判断。

　　那既然是这样，做SEO关键词布局的时候，应该要适当考虑主关键词的出现频率大于副词。当然搜索引擎判断网页主题有很多维度，这里只是单从TF词频的角度考虑，个人认为这样做会缩短搜索引擎判断网页主题的时间，对SEO来说是有利的。

　　第二、如何快速理解“IDF逆文档频率”

　　这个概念如果看文档的话有点难理解，当初笔者看百度百科好几次才明白。涉及到复杂的公式在这里就不讲，结合TF一起来理解，TF-IDF的意思是，一篇文章中某关键词出现的次数越多，且在搜索引擎的资料库中包含该关键词文档数越少，则说明这个关键词越能代表此网页的主题。

　　举个例子来说明，假设有一篇文章，有两个关键词：“SEO优化”和“SEO服务”，在文章中，这两个关键词出现的资料都是20次，但是在百度的资料库中，包含SEO优化的文档总共有一千万个，包含SEO服务的文档有五百万个，那么则说明，SEO服务越能代表这文章的意思。或者搜索引擎资料库中包含关键词的文档数量一样，文章中出现次数越多的关键词越能代表网页主题。

　　从SEO的层面讲，IDF这个值是客观存在的，不必去深究，只要明白不同关键词之间的文档数多少就行，以百度为例，搜索任何一个关键词，在搜索框下面会有一个：“百度为您找到相关结果约XXX个”的这样句子，里面的数值可以作为文档数参考。每个搜索引擎的包含关键词的文档数可能不一样，但是整体的相对比例值应该是差不多的。而且随着时间的推移，文档数也会不断发生改变。

　　关于TF-IDF相似度计算规则的讲解，就分享到这里，个人愚见，不足之处欢迎拍砖。