待验证50% 置信决策规则精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/10/5
首次发现
来源
涉及实体
相关事实
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 BERT72% 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72% 相似待验证文本分类器通常基于BERT、FastText或TF-IDF+逻辑回归方案实现72% 相似待验证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66% 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66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/976260API
curl https://kongchang.com/api/v1/knowledge/claims/976260MCP
get_claim(id=976260)