construcción automática de diccionarios semánticos usando la ...

2.1.3.1.4 TF.IDF
La frecuencia de términos (tf) y la inversa de la frecuencia en el documento (idf) se
combinan para obtener una medida conocida como tf.idf.
Fórmula (4) Cálculo de Tf.Idf
Donde:
tf ij = número de ocurrencias del término i en el documento j.
df i = número de documentos que contienen i.
= número de documentos en una colección (corpus).
2.1.3.2 Log-Likelihood
Log-likelihood es una medida para comparar 2 corpus y ver que tan parecido es uno
de otro (Rayson & Garside, 2000).
Para hacer el cálculo de Log-Likelihood, se toman en cuenta los valores observados
(O) de cada palabra en los 2 corpus, el corpus de dominio y el corpus general,
aplicando la fórmula 1 para calcular los valores esperados (E), es decir las
ocurrencias que se esperaría que cada palabra tuviera en cada corpus.
Fórmula (5) Cálculo de los Valores Esperados en un corpus.
Con estos valores observados y los valores esperados podemos calcular el Log-
Likelihood con la siguiente fórmula:
18