摘要:
在介绍相似度计算之前先介绍一下文档模型,也就是我们在解决一个问题的时候,一般是抽象出一个模型,也可以称为数学模型,这个模型可能是一个函数,可能是一个假设,主要的是为了解决这个问题。文档模型布尔模型建立在经典的集合论和布尔代数的基础上,每个词在一篇文档中是否出现,对应权值为 0或1向量空间模型中将文档表达为向量空间中的一个矢量或一个点,一个坐标轴代表一个词基于向量空间模型的相关度计算方法: 这边有几个概念,词频和逆向文件频率 词频就是把词进行归一化处理,那词在文档中出现的次数除以总文档总词数 逆向文件频率,主要衡量一个词重要性的标志,具体计算采用总文档数除以该词出现的文档数后取对数。数学之美中吧 阅读全文