逆向文本频率idf，就是在越少的样本中出现，权重越高

正确答案是：B: 在越多的文章中出现过的次数越多，说明对我们的分析和统计没什么帮助，利用该数值进行降权。

### 专业分析：

关键词的撷取通常使用TF-IDF（Term Frequency-Inverse Document Frequency）方法，其中包含两个主要部分：词频（TF）和逆向文本频率（IDF）。

1. **词频（TF）**：
- 表示一个词在文档中出现的频率。一个词在文档中出现的次数越多，其TF值越高，表示该词在该文档中的重要性越大。

2. **逆向文本频率（IDF）**：
- 表示一个词在整个文档集合中的普遍重要性。计算公式一般为IDF = log(总文档数 / 包含该词的文档数)。
- 如果一个词在很多文档中都出现，那么这个词可能是一个常见词，对区分文档内容的贡献较小，所以IDF值会较低。
- 反之，如果一个词在较少文档中出现，则IDF值会较高，表示该词对区分文档内容的重要性较大。

### 为什么引入IDF：

- **降权常用词**：常见词（如“的”、“是”等）在很多文档中都会出现，对区分文档内容的帮助不大。IDF通过降低这些常见词的权重，使得这些词对整体分析的影响减小。
- **提升独特词**：一些特定词汇在少数文档中出现，这些词汇能更好地反映文档的特征。IDF通过提高这些词的权重，使得这些词在分析中更具代表性。

因此，选项B是正确的，因为它准确地描述了IDF的作用，即在越多的文章中出现过的次数越多，说明对我们的分析和统计没什么帮助，所以利用该数值进行降权。