在寻找一个文章中哪些词比较重要时，最简单的方法可以对这个文档进行词频（Term Frequency，TF）的统计，词频指的是在一个文档中某个词汇出现的频率或次数。但是这种方法存在明显的缺点，当对一个文档进行分析时，像“我们”、“的”这种词语往往都会有很高的词频，但由于这类词语在大多数文档中都具有较高的词频，因此这种词语的高词频往往无法体现出该文档的特征，相反，某些词语如“篮球”、“卧推”等虽然词频并没有很高，但却集中出现在了某些文档当中，这类词语就可以很明显地体现出这些文档的特点。

为了解决上面所说的问题，人们又引入了逆文档频率（Inverse Document Frequency，IDF）这个概念，将词频与逆文档频率进行结合共同组成了 TF-IDF 这个指标，一个词语的 TF-IDF 计算方式为：

其中，词频（TF）的计算方式如下图：

逆文档频率（IDF）的计算方式如下图：

可以看出，对于给定分析的语料库，总文档数 D 是一个固定值，因此一个词语的 IDF 值取决于含有该词语的文档数目 d，所以包含这个词语的文档越多，这个词语的 IDF 值将越小。

综合来看 TF 与 IDF 两个指标，当一个词语在一个文档中出现次数越多时，它的 TF 值将越大，但随着它在更多文档中出现，它的 IDF 值将变小。将 TF 与 IDF 进行结合起来的 TF-IDF 指标就由此实现了突出重要词语，而抑制次要词语的效果。

当然，TF-IDF 也有一些缺点。比如一些语境下可能并不符合 TF-IDF 指标所做的假设，这时计算得到的 TF-IDF 指标可能对词语重要性的衡量出现误差。同时 TF-IDF 没有考虑文档的上下文语境，无法区分一词多义等情况。

以上所介绍的 TF-IDF 指标计算方式是一种经典的计算方式，在具体实现中可能会在归一化、平滑处理等方面存在稍许计算上的差异，但这些计算方式的所蕴含的本质思想都是共通的。