我有一大批文档，它们的TF-IDF值已经计算完毕。我准备向集合中添加更多文档，我想知道是否有办法在不重新处理整个数据库的情况下，为新文档添加TF-IDF分数？
回答：
基本上有两种选择：
-
仅在需要时计算你的tf-idf分数。添加新文档变得非常简单。你只需要更新所有文档的数量、某个标记出现的文档数量，并存储新文档的标记出现向量即可。
-
定期重新计算你的tf-idf向量，可能是在添加了10万个文档后或类似情况。在此期间，只需使用旧值（所有文档的数量、某个标记出现的文档数量）。
如果你的集合非常大，你可能会选择第二种方法，因为新文档不会显著改变词语的全局分布。话虽如此，最好测试这两种方法，并选择最适合你问题的那个。
