文書群の語頻度・TF-IDF
バグ・不具合を報告
複数文書の語の出現回数とTF-IDF特徴量を比較する。
文書の語境界は入力者が指定します。データはブラウザ内で処理し、外部の解析APIへ送信しません。
上限:20文書、合計12000語、語彙700種類、文書×語900組。
項目を入力・選択してから「計算する」を押してください。
必要な入力・選択は2項目です。
計算結果
—種類
- 集計文書数
- —件
- 総語数(TFの合計)
- —語
- 出現した文書×語の組
- —組
値を入力して計算してください。
この計算機は使いやすかったですか?
回答はサイト改善のために保存します。入力値・計算結果は送りません。
ありがとうございます。よかったら、上の共有ボタンからこの計算機を紹介しませんか?
計算方法・適用範囲・出典
計算方法
文書dにおける語tの出現回数TF(t,d)を数え、全文書数N、語tが現れる文書数df(t)からIDF(t)=ln((1+N)÷(1+df(t)))+1を求めます。正規化前TF-IDF=TF×IDF。文書ごとに全語の二乗和平方根で割ってL2正規化します。空白で区切った語のみを数え、出現しない語は0として表から省略します。
総語数、語彙数、語ごとの総出現回数・文書頻度・IDF、文書ごとの出現回数・正規化前/後TF-IDF。
計算例(架空の数値)
架空の文書A「猫 猫 犬」と文書B「猫 鳥」では、猫の文書頻度は2、犬と鳥はそれぞれ1。IDFは猫が1、犬・鳥が約1.405465です。文書Aの猫の正規化前TF-IDFは2となります。
適用対象と限界
空白で語の境界が指定され、同じ処理規則で比較する2〜20件の文書。日本語の自動形態素解析、ストップワード除去、n-gram、sublinear TF、IDF方式の切替、検索順位やSEO成果の推定は対象外です。
方法と出典
方法:scikit-learn 1.9.0 / TfidfTransformer defaults(2026-11-13確認)、分かち書き入力・NFKC選択 v1。データ記録日:2026-11-13。