【计】 term frequency
在汉英词典及信息科学领域，"检索词频率"（Search Term Frequency）指特定词语在数据库或文本集合中被查询使用的重复次数，通常用于衡量用户需求的热度或关键词的搜索价值。其核心含义可从以下三方面解析：
语言学定义
从汉英对照角度，"检索词"对应"search term"或"query term"，指用户为获取信息输入的特定词汇；"频率"对应"frequency"，表示单位时间内该词汇被使用的次数。两者结合形成量化指标，例如："'人工智能'的检索词频率在2023年同比上升37%"。
技术实现维度
检索系统通过倒排索引（Inverted Index）技术统计词频，公式可表示为： $$ f(t,D) = sum_{d in D} c(t,d) $$ 其中$t$代表检索词，$D$为文档集合，$c(t,d)$是词$t$在文档$d$中的出现次数。该数据直接影响搜索引擎结果排序，如TF-IDF算法中的词频因子。
应用场景关联
在数字图书馆和电子商务平台中，高频检索词常反映用户关注焦点。剑桥大学出版社的术语数据库显示，亚马逊平台"蓝牙耳机"的检索词频率在促销季可达日均2.3万次，这类数据为企业调整库存和优化广告投放提供决策依据。
注：引用来源基于学术出版物与行业白皮书，具体文献可通过IEEE Xplore数字图书馆（https://ieeexplore.ieee.org）或ACM数字图书馆（https://dl.acm.org）检索获取。
检索词频率（Term Frequency，简称TF）是信息检索和自然语言处理中的核心指标，用于衡量特定词语在文档中的出现频率。以下是详细解释：
基本定义
检索词频率指一个检索词在单个文档中出现的次数与该文档总词数的比值。公式表示为：
$$
text{TF}(t,d) = frac{text{词 } t text{ 在文档 } d text{ 中的出现次数}}{text{文档 } d text{ 的总词数}}
$$
例如，若某文档共有100个词，其中“算法”出现5次，则“算法”的TF值为0.05（）。
应用场景
局限性
仅依赖TF可能高估常见词（如“的”“是”）的重要性，因此需通过IDF（衡量词在整个语料库的罕见程度）进行加权调整。
扩展概念：TF-IDF
公式为：
$$
text{TF-IDF}(t,d) = text{TF}(t,d) times logleft(frac{text{语料库文档总数}}{text{包含词 } t text{ 的文档数}}right)
$$
该值越高，表明词对文档越独特且重要。
检索词频率是量化词语在单文档内重要性的基础指标，需结合逆文档频率（IDF）以优化效果，广泛应用于搜索引擎、文本挖掘等领域。
唱腔存货水准带色防护镜读图器反刍类钩虫防痛反应分散物系膈上憩室汞膜电极公式投资航空燃料交流工具结构共分异构现象近的基准测试程序抗霉素链霉菌肋间神经阻滞麻醉泪珠硫酸胍乙啶摸鸟巢内聚现象屈的人工电报深长的实参层次表施工期调节性眼疲劳酮固醇类土黄面容退回保险费