Term Frequency (TF)

Term Frequency（TF）指在自然语言处理与数据库文本分析领域，衡量特定词汇（Term）在单一文档或语料库中出现的绝对次数。作为最基础的文本特征表示，它直接反映了词汇在局部文本中的显著性，是构建词袋模型（Bag-of-Words）的基石。在信息检索算法演进中，TF 常与逆文档频率（IDF）结合形成 TF-IDF 权重，以解决高频停用词干扰问题，从而更精准地评估词汇对文档主题的重要性。

在现代计算架构与大数据生态中，Term Frequency 扮演着从非结构化文本转化为结构化数值特征的关键角色。其核心价值在于将复杂的语言语义简化为可计算的统计量，广泛应用于搜索引擎排序、文本分类、情感分析及异常检测等场景。尽管计算逻辑简单，但其作为后续复杂模型（如词向量、神经网络输入）的基础特征，决定了系统对文本内容的初步理解能力。在分布式计算框架（如 Spark、Flink）中，TF 的实时聚合与流式计算能力，使其成为处理海量日志与用户行为数据的首选指标之一。