TF-IDF算法是一種統計方法，用以評估一字詞對於一個檔案集或一個語料庫中的其中一份檔案的重要程度。字詞的重要性隨著它在檔案中出現的次數成正比增加，但同時會隨著它在語料庫中出現的頻率成反比下降。TF-IDF的主要思想是：如果某個單詞在一篇文章中出現的頻率TF高，並且在其他文章中很少出現，則認為此詞或者短語具有很好的類別區分能力，適合用來分類。
具體來說，TF（詞頻）表示一個詞在一個文檔中的出現頻率，可以通過計算詞在文檔中出現的次數除以文檔總詞數來獲得。IDF（逆文檔頻率）表示一個詞在整個文檔集合中的稀有程度，可以通過計算文檔集合中總文檔數除以包含該詞的文檔數的對數來獲得。最後將TF和IDF相乘得到的權重值即為TF-IDF值，它越大表示該詞在文檔中的重要性越高。
但TF-IDF算法也存在一些缺點，例如單純以詞頻衡量一個詞的重要性，不夠全面；無法體現詞的位置、詞性等特徵信息；無法反應詞彙的語義信息等。因此，在實際套用中，通常會對TF和IDF進行一些調整，以便更好地反映詞的重要性。