Los editores necesitan una herramienta de búsqueda que devuelva artículos donde las palabras consultadas sean las más importantes y representativas en el corpus documental. La herramienta inicial devuelve coincidencias de palabras generales y requiere filtrado manual. ¿Qué solución capturará la importancia y frecuencia de las palabras por documento para que la herramienta resalte los artículos donde las palabras consultadas sean más relevantes?

La opción correcta describe el algoritmo TF-IDF (Frecuencia de Término-Frecuencia Inversa de Documento). TF-IDF es una técnica estándar para evaluar la importancia de una palabra en un documento dentro de un corpus. La frecuencia de término (TF) mide la frecuencia de una palabra en un documento, mientras que la frecuencia inversa de documento (IDF) pondera la importancia de la palabra en todo el corpus, penalizando las palabras comunes (como las stop words) que aparecen en muchos documentos. Multiplicar estas dos métricas produce una puntuación de relevancia que resalta los artículos donde las palabras consultadas son distintivas y frecuentes. Las otras opciones son menos adecuadas: LDA es para la extracción de temas, no para la relevancia de palabras individuales. Las incrustaciones de palabras miden similitud semántica, no la importancia de palabras clave específicas en un documento. La frecuencia de términos simple ignora la importancia relativa de las palabras en el corpus y no es suficiente para determinar la relevancia.