Search 如何计算查询的TF-IDF？

如何计算查询的

tf idf

？我了解如何计算具有以下定义的一组文档的tf idf：

tf=文档中的发生次数/文档中的总字数

idf=日志（#文档/#出现术语的文档

但我不明白这和查询有什么关系。

例如，我读到一篇文章指出了一个查询的值“

生活学习

”

寿命| tf=0.5 | idf=1.405507153 | tf|u idf=0.702753576
学习| tf=.5 | idf=1.405507153 | tf|u idf=0.702753576

我理解的

tf

值，每个术语在两个可能的术语中只出现一次，因此为1/2，但我不知道

idf

从何而来。
我认为#documents=1，occurrence=1，log（1）=0，所以

idf

应该是0，但事实并非如此。它基于您使用的任何文档吗？如何计算查询的tf idf？

只有tf（life）取决于查询本身。然而，查询的idf取决于背景文档，所以idf（寿命）=1+ln（3/2）~=1.405507153。

---

这就是为什么tf idf被定义为本地组件（术语频率）与全局组件（反向文档频率）的乘积.

假设您的查询是最佳汽车保险，您的总词汇表包含汽车、最佳、汽车、保险，并且您有

N=1000000

文档。因此，您的查询如下所示：

您的文档之一可以是：

---

现在计算你的

查询的
TF-IDF
和
文档的
TF-IDF
之间的余弦相似性，即使这个问题被标记为已回答。我觉得它还没有完全回答。
因此，如果将来有人需要这个：

但我不知道以色列国防军从哪里来

在本例中：
介绍了如何计算一个查询和一组文档之间的余弦相似度

如上所述，IDF是一个全局组件，因此每个文档的单词IDF都是相同的：

注意：从技术上讲，我们将查询视为一个新文档。但是，您不应该重新计算IDF值：只使用您之前计算的值

我如何根据背景文件计算idf？例如：query=“英国通道影响”，那么tf将是1/3，但idf将保持1+log（3/2）~=1.405507153，还是会改变？