計算機提取一篇文章關鍵詞涉及文字處理、信息檢索、數據挖掘等很多計算機領域。從詞頻角度統計出現次數最多的“的”、“是”、“在”這一類最常用的詞稱爲停用詞(表示對找到結果毫無幫助，必須過濾掉的詞)
衡量一個詞是不是常用詞，如果某個詞比較少見，但是在文章中多次出現，那麼這個詞很可能反映文章特性，故需要在詞頻統計基礎上引入重要性調整係數(逆文檔概率IDF，大小與一個詞的常見程度成反比)。有了詞頻和逆文檔頻率後，兩個值相乘得到一個詞的TF-IDF值。某個詞對文章的重要性越高，它的TF-IDF值就越大
詞頻=某個詞在文章中的出現次數
考慮到文章有長短之分，爲了便於不同文章的比較，詞頻標準化
詞頻=某個詞在文章中的出現次數/文章總詞數
詞頻=某個詞在文章中的出現次數/該文章出現次數最多的詞的出現次數
計算逆文檔概率需要一個語料庫
逆文檔概率=log(語料庫文檔總數/(包含該詞的文檔數+1))
一個詞越常見分母就越大，逆文檔頻率就越小越接近0。分母之所以要加1，是爲了避免分母爲0(即所有文檔都不包含該詞)。TF-IDF與一個詞在文檔中的出現次數成正比，與該詞在整個語言中的出現次數成反比。假定該文長度爲1000個詞，"中國"、"蜜蜂"、"養殖"各出現20次，則這三個詞的詞頻都爲0.02。搜索Google發現，包含"的"字網頁共有250億張，假定這就是中文網頁總數。包含"中國"的網頁共有62.3億張，包含"蜜蜂"的網頁爲0.484億張，包含"養殖"的網頁爲0.973億張
TF-IDF算法還可以用於許多別的地方。比如信息檢索時，對每個文檔都可分別計算一組搜索詞("中國"、"蜜蜂"、"養殖")的TF-IDF並相加得到整個文檔的TF-IDF，這個值最高的文檔就是與搜索詞最相關的文檔。TF-IDF算法優點是簡單快速，結果比較符合實際情況。缺點是單純以"詞頻"衡量一個詞重要性不夠全面，有時重要的詞可能出現次數並不多。而且這種算法無法體現詞位置信息，出現位置靠前的詞與出現位置靠後的詞，都被視爲重要性相同，這是不正確的(一種解決方法是對全文的第一段和每一段的第一句話，給予較大的權重)
