Craft(科羅拉多富註釋全文)語料庫，中文名科羅拉多富語料庫註釋庫。CRAFT收集了97種可公開全文的生物醫學期刊，並對這些文章進行了語義和句法方面的詳細註釋，作為NLP社區中的生物醫學研究資源。基於9個常用的生物醫學本體，CRAFT從這97個文檔中識別出所有的生物實體，包括:細胞類型本體、小分子化合物本體(CHEBI)、NCBI分類、蛋白質本體、序列本體、Entrez基因數據庫中的條目以及基因本體的3個子條目。CRAFT語料庫已被廣泛用於測試文本挖掘工具的性能。當然也可以用於TF-IDF法。
Tf-IDF ($ TERM頻率-逆文檔頻率)是信息檢索和數據挖掘中常用的加權技術。TF表示$ Term頻率，IDF表示逆文檔頻率。TF-IDF是壹種統計方法，用於評估單詞對文檔集或語料庫中的某個文檔的重要性。單詞的重要性與它在文檔中出現的次數成正比，但同時與它在語料庫中出現的頻率成反比。搜索引擎經常使用各種形式的TF-IDF加權作為文檔和用戶查詢之間相關程度的度量或評級。