TF-IDF（詞頻—逆文件頻率）是一條經典的數學公式，用來判斷「某個字，對某一篇文章到底有多重要」。它的核心直覺很單純：一個字在這篇文章裡出現得越多、但在其他文章裡越少見，就越可能是這篇的關鍵字。
這篇文章會用新手角度說明：TF-IDF 是什麼、它怎麼算、實際上被拿來做什麼、跟 SEO 有什麼關係、有哪些常見迷思，以及 AI 時代裡，它的接班人 BM25 為什麼還活得好好的。
TF-IDF 是什麼？
TF-IDF 是資訊檢索（Information Retrieval）與自然語言處理（NLP）裡的一種「權重」演算法，用來衡量一個詞彙對「單篇文件」的重要程度，同時參考這個詞在「整堆文件」（語料庫，corpus）裡有多普遍。它源自 1970 年代的資訊檢索研究，是這個領域最經典的基本功之一。
顧名思義，它由兩個部分相乘而成：
- 詞頻（Term Frequency，TF）：一個詞在「這一篇」文章裡出現的頻率，算法是「該詞出現次數 ÷ 文章總詞數」。出現越多，代表它對這篇可能越重要。
- 逆文件頻率（Inverse Document Frequency，IDF）：一個詞在「整堆」文件裡有多稀有，算法是把「總文件數 ÷ 含這個詞的文件數」取對數（log）。一個詞出現在越多文件裡，IDF 就越低；越罕見，IDF 就越高。
把兩者相乘——TF-IDF ＝ TF × IDF——就得到一個分數。分數越高，代表這個詞「在這篇出現得夠多，又剛好在別處很少見」，於是被判斷為越能代表這篇文章的關鍵字。
用白話文怎麼說？
你可以把 TF-IDF 想成一支「會自動畫重點的螢光筆」。
假設你經營一個美食部落格。「的、是、我」這種字，幾乎每篇文章都塞滿了——出現次數（TF）很高，但因為「每一篇」都有它，它沒辦法幫你區分這篇在講什麼，IDF 趨近於零，螢光筆自動跳過。
反過來，「拉麵」這個詞在你的「拉麵評比」那篇出現很多次（高 TF），又只出現在你少數幾篇文章裡（高 IDF），兩個條件都滿足，TF-IDF 分數就衝高——螢光筆「唰」地把它畫起來，告訴你：這就是這篇的主角。
你可以這樣記：TF-IDF 不看「字面意思」，它只是很聰明地用「出現多不多」加上「常不常見」，幫每個字打一個重要性分數。
TF-IDF 實際上要做什麼？
TF-IDF 最常被用在三個地方：
搜尋排序：站內搜尋或搜尋引擎拿它替「查詢字」和「文件」算相關度，分數高的排前面。關鍵字萃取：自動從一篇長文裡，抓出最有代表性的幾個詞，當作標籤或摘要。文本分類與分群：把文章轉成一串數字（向量），讓機器能比較、歸類大量文件。
舉個具體例子。假設你的部落格共有 100 篇文章，現在要分析「拉麵評比」這一篇，看看哪個詞最能代表它：
| 詞彙 | 在這篇的出現次數 | 含這個詞的文章數（共 100 篇） | TF-IDF 結果 |
|---|---|---|---|
| 的 | 很多 | 100 篇都有 | 分數趨近 0，沒有辨識度 |
| 美食 | 中等 | 60 篇有 | 分數普通，太常見 |
| 拉麵 | 很多 | 只有 3 篇 | 分數很高，是這篇的關鍵字 |
至於跟 SEO 的關係：有些內容優化工具會用 TF-IDF 的思路，去比對「排在前面的競爭對手文章，常用了哪些相關詞，而你漏掉了」。這比較像在做「主題涵蓋度」的健檢——提醒你有沒有把一個主題講完整，而不是叫你硬把某個字塞到固定次數。這個區別很重要，下一段會解釋。
關於 TF-IDF 的常見迷思
迷思一：TF-IDF 是 Google 的排名公式
不是。針對 TF-IDF 是不是排名因素，Google 的 John Mueller 曾表示，這是一個相當舊的指標、這些年已經演變很多，而且還有很多其他指標。意思是：Google 早就用上更複雜、更進階的一整套系統，TF-IDF 頂多是早期資訊檢索的概念之一，不該被當成決定排名的魔法公式。
迷思二：把某個字的 TF-IDF「衝高」就能贏
不會。TF-IDF 沒有一個「最佳數值」可以瞄準，刻意去堆高某個詞的密度，反而容易變成關鍵字填充，破壞閱讀體驗。把它當成內容是否完整的「參考」可以，當成要硬湊的指標就走偏了。
迷思三：TF-IDF 看得懂文章在說什麼
沒有。TF-IDF 純粹是統計，它只會數數字、不懂語意。對它來說「番茄」「蕃茄」「tomato」是三個完全無關的字串，也分不出一詞多義。要真正理解「意思」，靠的是後來的詞向量（embeddings）那套技術，不是 TF-IDF。
迷思四：都 AI 時代了，TF-IDF 早就沒用
剛好相反。它的改良版 BM25 到現在依然是搜尋與 AI 檢索的主力之一，下一段會說明。把 TF-IDF 當成「過時」，其實是小看了它——它是很多現代技術的地基。
總結
一句話記住：TF-IDF（詞頻—逆文件頻率），就是用「在這篇出現得多不多」乘上「在別處常不常見」，幫每個字打一個重要性分數。
新手抓住三件事就夠了：第一，它是統計工具，不懂語意，也不是 Google 的排名公式；第二，別想著去「衝高」某個字的分數，那只會變成關鍵字填充；第三，它的改良版 BM25 在現在的 AI 檢索裡活得很好，把內容主題寫完整、用詞精準，就是對這套技術最好的配合。
