我们平时在百度搜索想要的东西的时候，往往会搜到很多结果，比如搜索ElasticSearch：
那么什么是TF-IDF打分原理呢？
TF： 表示的是词频，即一篇文章中包含了多少个我们要搜的关键词，关键词越多，代表与我们想要的结果越相关；
DF： 代表文档频率，表示的是包含关键词的文档的总数目；如果有100篇文章，每一篇文章ElasticSearch关键词都出现了，那么文档频率就是100%；
IDF： DF取反；这个很好理解，TF代表某个关键词在一篇文档当中的区分度，而DF代表的是某个关键词在全部文档当中的区分度，DF取反之后与TF的乘积就代表打分规则，举个例子，如果ElasticSearch在一篇文档内的区分度很多并且在全部文档中出现的频次也很高，那么这个分数也越高；
举个例子算一下就很明了了：比如科比这个词在6篇文档中都出现了，所以DF=6；但在每一篇文章的词频不同，在每一篇文章中出现的次数分别为：3、2、7、9、1、2；根据这些数据就可以求出打分值来：
这样子TF/DF值越大，代表这篇文章就跟搜索的关键词越相关，应该排在前面被搜索到。
