待验证50% 置信事实精确时间
TF-IDF是一种不理解语义、只做词汇层面匹配的关键词权重方法，作为非神经网络基线其表现上限低于嵌入模型或大语言模型
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
已验证BM25和TF-IDF是词法检索的经典代表，基于关键词的字面匹配与词频统计71% 相似待验证TF-IDF通过词频（TF）和逆文档频率（IDF）两个维度衡量词语重要性，停用词因在所有文档普遍出现IDF值趋近于零而被认为可安全删除71% 相似待验证对于文本较短且类别边界清晰的任务（如垃圾邮件过滤），TF-IDF 方案往往已经够用；语义细粒度要求高时 BERT 微调收益更显著70% 相似待验证传统的 TF-IDF + 逻辑回归方案不依赖预训练，将文本转为词频统计向量后训练线性分类器，速度快、资源占用低，但语义理解能力不如 BERT70% 相似待验证BM25核心机制基于词频（TF）、逆文档频率（IDF）和文档长度归一化三个因子，对精确词项匹配敏感但完全不理解语义68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1001889API
curl https://kongchang.com/api/v1/knowledge/claims/1001889MCP
get_claim(id=1001889)