tf-idf

本文提出了一个基于掩码临床语境的 SNOMED CT 概念推荐基准，比较了稀疏、密集和检索增强方法，结果显示在低资源环境中，稀疏 TF-IDF 表现最佳。

本文提出了一种基于误差感知TF-IDF检索增强生成的框架，用于校正自动语音识别错误，在波斯语FLEURS数据集上取得了显著的准确率提升，且推理延迟几乎为零。

本文使用TF-IDF和神经网络模型，基于《全唐诗》的语言特征预测诗人的地理籍贯，发现可检测的区域语言指纹、距离衰减效应以及时间对信号的调节作用。