Выпускал ли в прод TF-IDF

Да, TF-IDF (Term Frequency-Inverse Document Frequency) — классический метод для векторизации текста. Использовал его в продакшене для задач:

• Поиска похожих документов
• Классификации текстов (например, спам/не спам)
• Рекомендательных систем (похожие товары по описанию)

Пример с sklearn:

from sklearn.feature_extraction.text import TfidfVectorizer

corpus = ["текст номер один", "еще один текст", "и последний текст"]
vectorizer = TfidfVectorizer()
X = vectorizer.fit_transform(corpus)

Нюансы:

1. Работает только с частотными характеристиками, не учитывает семантику
2. Требует предобработки текста (стемминг, лемматизация)
3. Плохо масштабируется на очень большие корпусы (лучше использовать HashingVectorizer)

В современных проектах часто заменяют на эмбеддинги (Word2Vec, BERT), но TF-IDF остается хорошим baseline-решением.