什么时候为 tf-idf 使用哪个日志基础？

Question

我正在开发一个简单的搜索引擎，我在其中使用 TF-IDF 公式对搜索词的重要性进行评分。我看到人们对公式使用不同的基础，但我看不到何时使用哪个的解释。这有关系吗，你有什么建议吗？

我当前的实现使用 math.h 库的常规 log() 函数

Answer 1

没关系，因为下面的等式成立：

log_a(x)/log_a(y) = log_b(x)/log_b(y)

您始终可以从一种碱基转换为另一种碱基。这实际上很容易。只需使用这个公式：

log_b(x) = log_a(x)/log_a(b)

工程师通常更喜欢 2 和 10 这样的基数。 2 适合中场休息，10 是我们的数字系统。学数学的人更喜欢自然对数，因为它使微积分更容易。函数 b^x 的导数是 k*b^x，其中 b 是常数。 Bur如果b等于e（自然对数）那么k就是1.

假设您要使用 log() 发送 5.63 的 2 次对数。只需使用 log(5.63)/log(2).

如有需要，任意基数使用此函数即可：

double logb(double x, double b) {
    return log(x)/log(b);
}

When to use which base of log for tf-idf?