tf-idf:数据挖掘和实用 TD 方面的微小博士工作 - IDF - 使用 Node.JS 实现词袋

项目介绍 这是一个小型博士项目，旨在研究一些数据挖掘方法来识别网页类别。 希望这个 Node.JS 的实际实现能帮助其他对下面给出的方法感兴趣的人。 方法 词袋 词频 逆向文档频率 重要因素 致谢和信用 这个小项目是 PJWSTK 的 S. Hoa Nguyen 教授要求的。 多亏了和它的我才能够轻松地开发它 我从中学到了很多关于上述给定方法的实际用法 用于运行节点应用程序。 你也可以使用或 提供了关于数据挖掘的非常好的读物 我没有这方面的专业知识。 如果您发现错误，请随时从 Github 做出贡献。 开始吧 我们将使用一个预先制作的网页文件夹。 所有类别都相互分离。因此，收集相关单词或测试之前给出的所选方法会更容易。 数据集可从。 下载 .gz 文件 解压/gz 下面给出了数据根文件夹上的“ls -l”输出； drwxr-xr-x@ 7 ----- staff 238