tf-idf 对出现在语料库中大量文档中的单词进行打折。我正在构建一个仅在有效文档上训练的异常检测文本分类算法。后来我使用 One-class SVM 来检测异常值。有趣的是，tf-idf 的性能比简单的计数矢量化器更差。一开始我很困惑，但后来它对我来说是有意义的，因为 tf-idf 折扣最能表明有效文档的属性。因此，我正在考虑一种新方法，该方法将更多地加权总是出现在文档中的单词，或者更确切地说，为不存在这些单词分配负权重。我有预设的词库，所以不用担心不相关的词，如（is，that）会被加权。

您对此类表示有什么想法吗？我唯一能想到的就是从某个文档中为零的属性中减去文档频率。