---
id: NLP-TF-IDF-001
category: Dev
confidence_score: 1.0
tags: [ai, nlp, tf-idf, information-retrieval, [[Text-Mining|Text-Mining]], keyword-extraction, [[Search|Search]]-engine]
last_reinforced: 2026-04-26
---

# Term Frequency-Inverse Document Frequency (TF-IDF)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "문서 내 빈도는 높되 전체 문서군에서는 희귀한 단어에 가중치를 부여하여, 흔한 소음(Stopwords)을 걷어내고 문서의 고유한 '정체성'을 결정짓는 핵심 키워드를 추출하라" — 텍스트 데이터에서 특정 단어가 문서 내에서 가지는 통계적 중요도를 계산하는 수치적 지표.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "Local Relevance and Global Rarity Balance" — 특정 문서에 자주 등장하는 단어($TF$)의 점수는 높이고, 모든 문서에 흔하게 등장하는 단어($IDF$)의 점수는 깎아서, 해당 문서를 가장 잘 대표하는 특징을 추출하는 패턴.
- **핵심 수식:** $TF-IDF(t, d, D) = TF(t, d) \times IDF(t, D)$
    - **TF (Term Frequency):** 문서 $d$에 단어 $t$가 나타나는 빈도.
    - **IDF (Inverse Document Frequency):** 단어 $t$가 포함된 문서의 비율의 역수에 로그를 취한 값.
- **의의:** 검색 엔진의 문서 랭킹, 텍스트 요약, 유사도 측정 등 초기 자연어 처리 및 정보 검색 기술의 가장 강력하고 직관적인 기초 도구.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 단어의 순서나 맥락을 무시하는 'Bag-of-Words' 방식의 한계 때문에 딥러닝 임베딩([[BERT|BERT]] 등)에 자리를 내주었으나, 여전히 키워드 기반 검색이나 데이터 전처리의 기준점(Baseline)으로서 압도적인 연산 효율성과 해석력을 제공함.
- **정책 변화:** Antigravity 프로젝트는 1,174개 지식 문서의 초기 자동 분류 및 핵심 태그 추출 시, 연산 자원을 최소화하면서도 정확도가 높은 TF-IDF 알고리즘을 1차 필터링 엔진으로 활용함.

## 🔗 지식 연결 (Graph)
- [[Natural-Language-Processing|Natural-Language-[[Processing]]-NLP]], [[Semantic-Search-with-AI|Semantic-Search-with-AI]], [[Sparse-Data-Handling|Sparse-Data-Handling]], [[Similarity-Metrics-in-AI|Similarity-Metrics-in-AI]]
- **Raw Source:** 10_Wiki/Topics/AI/Term-Frequency-Inverse-Document-Frequency.md