Questão de Análise de Dados · FGV TCU 2021 (nº 71)

TF-IDF (Term Frequency-Inverse Document Frequency) é uma métrica que mede a importância de uma palavra em um documento, considerando a frequência com que ela aparece nesse documento (TF) e quão rara ela é em toda a coleção de documentos (IDF).

(A) Incorreta: A ordem das colunas (termos) está incorreta, pois o TF-IDF deve ser apresentado na ordem solicitada: "Rosas", "Choram", "Sorriem".
(B) Incorreta: Os valores estão incorretos, pois o cálculo do TF e IDF não foi realizado corretamente para gerar esses números.
(C) Correta: A submatriz apresenta os valores de TF-IDF para os termos "Rosas", "Choram" e "Sorriem" nos documentos A e B, na ordem correta e com os cálculos adequados. O documento A tem "Rosas" e "Choram", mas não "Sorriem". O documento B tem "Rosas" e "Sorriem", mas não "Choram". O TF (Term Frequency) para "Rosas" em A é 1/8, em B é 1/8. Para "Choram" em A é 1/8, em B é 0. Para "Sorriem" em A é 0, em B é 1/8. O IDF (Inverse Document Frequency) para cada termo é calculado com base em quantos documentos contêm o termo. Para "Rosas" e "Espinho" (que aparecem em ambos os documentos), o IDF é menor. Para "Choram" e "Sorriem" (que aparecem em apenas um documento), o IDF é maior. A combinação de TF e IDF resulta nos valores apresentados.
(D) Incorreta: A ordem dos documentos (linhas) está invertida; o documento A deveria vir antes do documento B.
(E) Incorreta: Os valores de TF-IDF estão incorretos, pois os cálculos de frequência e a ponderação do IDF não foram aplicados corretamente.