TF-IDF （Term Frequency-Inverse Document Frequency，词频-逆文档频率）是信息检索与文本挖掘中最基础、最经典的特征加权技术。
其基本思想 可以概括为一句话："如果一个词在单篇文档中反复出现，但在整个文档集合的其他文档中极少出现，那么这个词对这篇文档而言就具有极高的区分度和重要性。"
为了帮你透彻理解，我把它拆解为两个核心逻辑，并直接关联到你刚才提到的"需求声音库"场景：
1. 两个核心因素的"攻守同盟"
-
TF（词频，Term Frequency）------衡量"局部重要性"：
-
逻辑：在一篇特定的文档（比如某条差评工单）里，某个词出现得越频繁，它在这篇文档里就越重要。
-
举例：如果用户在一条反馈里反复提到"闪退"、"闪退"、"闪退"，那么"闪退"大概率是这条反馈的核心痛点。
-
-
IDF（逆文档频率，Inverse Document Frequency）------惩罚"全局普遍性"：
-
逻辑：如果一个词在所有文档中都普遍存在（比如"的"、"了"、"登录"），那么它的区分价值就极低，需要被降权打压。
-
举例：几乎每篇文档都有"登录"这个词，那它就不能帮助我们将"支付报错"和"界面卡顿"区别开，因此IDF会赋予它一个极低的权重。
-
最终公式 ：TF−IDF=TF×IDFTF−IDF=TF×IDF。只有**"文档内部频率高（TF高）"且"全库范围内稀有（IDF高）"**的词，才能获得最高的最终权重。