In general, TF-IDF is a most popula

In general, TF-IDF is a most popular method to calculate
relations between terms and documents. Many researches show
that TF-IDF has good effect applied to online library or Q & A
community [1-3]. However, TF-IDF has a disadvantage as
applied to documents, which don’t have enough terms. When
the frequency of important terms is close to common terms,
TF-IDF has a problem that every term appears only one time
easily. That makes difficult to operate the process of a language
model. The title of publications is an obvious example.

Results (Thai) 1:

ทั่วไป TF IDF เป็นวิธีที่นิยมมากที่สุดในการคำนวณความสัมพันธ์ระหว่างข้อกำหนดและเอกสาร งานวิจัยจำนวนมากแสดงTF-IDF ที่มีผลดีกับไลบรารีออนไลน์ หรือ Q & Aชุมชน [1-3] อย่างไรก็ตาม TF IDF มีข้อเสียเป็นนำไปใช้กับเอกสาร ซึ่งไม่มีเงื่อนไขเพียงพอ เมื่อความถี่ของคำสำคัญเป็นคำทั่วไปTF-IDF มีปัญหาที่ทุกคำปรากฏเพียงครั้งเดียวง่าย ๆ ที่ทำให้ยากในการดำเนินการของภาษาแบบจำลอง ชื่อของสิ่งพิมพ์เป็นตัวอย่างชัดเจน

Results (Thai) 2:

โดยทั่วไป TF-IDF
เป็นวิธีที่นิยมมากที่สุดในการคำนวณความสัมพันธ์ระหว่างข้อตกลงและเอกสาร หลายงานวิจัยแสดงให้เห็นว่า TF-IDF มีผลดีนำไปใช้ห้องสมุดออนไลน์หรือ Q & A กับชุมชน [1-3] แต่ TF-IDF มีข้อเสียเช่นนำไปใช้กับเอกสารที่ไม่ได้มีเงื่อนไขเพียงพอ เมื่อความถี่ของคำที่สำคัญอยู่ใกล้กับข้อตกลงร่วมกันTF-IDF มีปัญหาที่ทุกคำจะปรากฏเฉพาะครั้งหนึ่งได้อย่างง่ายดาย ที่ทำให้ยากที่จะทำงานกระบวนการของภาษารูปแบบ ชื่อของสิ่งพิมพ์เป็นตัวอย่างที่ชัดเจน

Results (Thai) 3:

โดยทั่วไป tf-idf เป็นวิธีที่นิยมมากที่สุดในการคำนวณ
ความสัมพันธ์ระหว่างข้อตกลงและเอกสาร หลายงานวิจัยได้แสดงผลที่ดี tf-idf
ที่ใช้กับห้องสมุดออนไลน์หรือ Q
&เป็นชุมชน [ 1-3 ] อย่างไรก็ตาม tf-idf ข้อเสียเป็น
ใช้เอกสารที่ไม่มีเงื่อนไขที่เพียงพอ เมื่อความถี่ของคำที่สำคัญคือ

ปิดเงื่อนไขทั่วไปtf-idf มีปัญหาทุกระยะจะปรากฏขึ้นเพียงครั้งเดียว
ได้อย่างง่ายดาย มันทำให้ยากที่จะใช้กระบวนการของภาษา
นางแบบ ชื่อของสิ่งพิมพ์เป็นตัวอย่างที่ชัดเจน