62 lines
3.4 KiB
Markdown
62 lines
3.4 KiB
Markdown
---
|
|
id: wiki-2026-0508-term-frequency-inverse-document-
|
|
title: Term Frequency Inverse Document Frequency
|
|
category: 10_Wiki/Topics
|
|
status: needs_review
|
|
canonical_id: self
|
|
aliases: [NLP-TF-IDF-001]
|
|
duplicate_of: none
|
|
source_trust_level: A
|
|
confidence_score: 1.0
|
|
tags: [ai, nlp, tf-idf, information-retrieval, Text-Mining, keyword-extraction, Search-engine]
|
|
raw_sources: []
|
|
last_reinforced: 2026-04-26
|
|
github_commit: pending
|
|
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
|
---
|
|
|
|
# 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 & Updates)
|
|
- **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
|
|
|
|
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
|
|
|
**언제 이 지식을 쓰는가:**
|
|
- *(TODO)*
|
|
|
|
**언제 쓰면 안 되는가:**
|
|
- *(TODO)*
|
|
|
|
## 🧪 검증 상태 (Validation)
|
|
|
|
- **정보 상태:** needs_review
|
|
- **출처 신뢰도:** A
|
|
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
|
|
|
## 🧬 중복 검사 (Duplicate Check)
|
|
|
|
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
|
- **처리 방식:** UPDATE (자동 정규화)
|
|
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
|
|
|
## 🕓 변경 이력 (Changelog)
|
|
|
|
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
|
|------|-----------|-----------|--------|
|
|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A | |