qq_30843221的博客

原创 利用余弦相似度做文本分类

利用余弦相似度做文本分类： 在数学中余弦相似度的公式：cos(a,b)=a*b/(|a|+|b|),而在文本上，我们的余弦相似度通常是这样计算而成： （文本a,b共同出现的词条数目）/（文本a出现的词条数目+文本b出现的词条数目） 处理两个纯文本的相似度可以这样处理，但对于文本分类来说，我们更多使用的是“训练集”与“测试集”的概念，具体我们会抽取训练集的词条，形成语料库，然后统计这些语料库中