词向量---LSA(Latent Semantic Analysis)
分类:
NLP
举例：
矩阵分解之后，取前两维，k=2，
单词距离：
文档距离：
通过LSA分析之后计算文档间的余弦相似度，属于同一个类型文本之间的相似度很接近；在原始文档间计算相似度，效果不如LSA
当出现新的query，先将query降到二维空间，再和已有文档的二维矩阵计算相似度，可以看出query与C类文档相似度很高
参考文献：
举例：
矩阵分解之后，取前两维，k=2，
单词距离：
文档距离：
通过LSA分析之后计算文档间的余弦相似度，属于同一个类型文本之间的相似度很接近；在原始文档间计算相似度，效果不如LSA
当出现新的query，先将query降到二维空间，再和已有文档的二维矩阵计算相似度，可以看出query与C类文档相似度很高
参考文献：
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· go语言实现终端里的倒计时
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语，封装的思维：从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热？
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型，支持深度思考和联网搜索！
· 使用C#创建一个MCP客户端
· ollama系列1：轻松3步本地部署deepseek，普通电脑可用
· 基于 Docker 搭建 FRP 内网穿透开源项目（很简单哒）
· 按钮权限的设计及实现