2.3 KiB
2.3 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| NLP-TF-IDF-001 | 10_Wiki/💡 Topics/AI | 1.0 |
|
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 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-NLP, Semantic-Search-with-AI, Sparse-Data-Handling, Similarity-Metrics-in-AI
- Raw Source: 10_Wiki/Topics/AI/Term-Frequency-Inverse-Document-Frequency.md