现在我们要检测《中国的蜜蜂养殖》这篇论文里面的关键词，假设数据库里面有250亿篇论文，
| ——————————每个关键词在本文（待检测样本）中出现比例
| （词频：某单词在某个样本中比例越高，越有区分度）
|
| | ———————每个关键词在词典（数据库）中出现比例
| | （反文档频率：某单词在总数据库中比例越低，越有区分度）
| |
| | |——表征：在样本《中国的蜜蜂养殖》中，最能代表它的词源是哪一个
| | |
包含这个词 TF IDF TF-IDF
语的文档（亿）
的 250 0.02 -> 0 ->0
中国 62.3 0.02 0.603 0.0121
蜜蜂 0.484 0.02 2.713 0.0543
养殖 0.973 0.02 2.410 0.0482
再举个例子：
比如：以三个指标评价一个大学生：编程水平，动手能力，数学功底；
如果一个大学生叫：单生狗，编程水平一般，动手能力一般，数学功底牛逼；把他放到普通二本
大学里边，在人群中，他就是鹤立鸡群，你很容易区分他，很容易找到他。但是，如果把他放到
清华大学，在人群中，一眼望去，你很难找到他，因为，人群中数学功底牛逼的人太多了。