【NLP学习笔记】文本相似度计算——判断两篇文章是否相似

一、算法流程

• （1）使用TF-IDF算法，提取出两篇文章的关键词；
• （2）每篇文章各取出若干个关键词（比如20个），合并成一个集合，计算每篇文章对于这个集合中的词的词频（为了避免文章长度的差异，可以使用相对词频）；
• （3）生成两篇文章各自的词频向量；
• （4）计算两个向量的余弦相似度，值越大就表示越相似。