#RanqueamentoPLN TERMOS: bioinformatics analysis gene Significado das variaveis

terms_of_eachdoc = lista com os termos finais de cada doc corrente no for docs_terms = lista de 20 posições com todos os termos de todas os documentos, é uma lista de de docs terms_plus_frequencies = lista de len(20) com termos e frequencias de cada documento terms_plus_frequencies[i] = lista de tuplas de termos e suas FREQUENCIAS de cada documento, ....size = nº de termos do doc terms = lista com o termos de todos os documentos, sem divisões e sem frequência final_terms = lista com os termos sem duplicatas log_terms [] = lista com somente os termos de cada documento log_freq [] = lista com somente as frequencias ponderadas de cada documento --terms_plus_logfreq = lista com termos e tf ponderada de cada documento. len= 20 --terms_plus_logfreq[i] = lista com termos e tf com len= nº de termos do doc DF = lista de size: 1202 com a o nº de documentos em que cada termo aparece IDF = lista de size: 1202 com o inverse of document frequency DF e IDF seguem a ordenação de final_terms TF_IDF segue a ordenação de final_terms, é um vetor de listas de len(1202) de termos, ....as listas tem len(20) e seguem mesma ordenação dos documentos // TF_IDF

part2 most = lista de listas onde most[n[0,1]] é 0 = documento 1 = frequência words_plus_frequencies = [nº do documento, nº de ocorrências]