編輯者需要一個搜尋工具，該工具能回傳查詢字詞在文件語料庫中最重要且最具代表性的文章。目前的工具會回傳一般字詞的匹配結果，需要手動篩選。哪種解決方案能捕捉每份文件的字詞重要性和頻率，讓工具能突顯查詢字詞最相關的文章？

正確答案是 TF-IDF (詞頻-逆向文件頻率)。TF-IDF 透過結合詞頻 (Term Frequency, TF) 和逆向文件頻率 (Inverse Document Frequency, IDF) 來衡量一個詞在文件中重要性。TF 衡量詞在單一文件中的出現頻率，而 IDF 則衡量詞在整個語料庫中的稀有程度。將兩者相乘能有效突顯在特定文件中頻繁出現，但在其他文件中不常見的詞，從而精確識別與查詢詞最相關的文章，解決了現有工具回傳一般字詞匹配結果的問題。 LDA 雖然能提取主題，但其目的是主題建模而非直接衡量詞語在特定文件中的相關性。詞嵌入主要用於捕捉詞語的語義關係，而非直接用於文件相關性排序。單純的詞頻表並未考慮詞語在整個語料庫中的普遍性，仍可能導致一般詞語的過度匹配。