根据余弦相似性原理判断两篇文章的相似程度。原理很简单,大致就是利用几个关键字组成一个特征向量,然后统计两篇文章各自对应的特征向量的值。最后计算两个特征矢量点积后的结果,即利用余弦值。如果值为1,表示两篇文章高度相似。
这里使用了两篇关于神笔马良的短故事进行操作,对比两篇文章的相似性。
关键字是自己预先给定的,这里使用了:马良;弓;箭;画画;笔;财主;作为关键字。
主要公式:
主程序代码如下:
%% 余弦相似性判断两篇文章的相似程度
clc;
clear all;
%% 录入关键字:马良;弓;箭;画画;笔;财主;
key_words = keyword_f();
%% 加载当前文件
str1_now = load_file('maliang_1.txt');
%% 将关键字作为搜索词,统计当前文章中关键词出现的次数,得到特征矢量
% [关键词1,关键词2,关键词3]
M = size(key_words,1);
des_vector = zeros(1,M);
for i = 1:M
num_t = strfind(str1_now,key_words{1,1});
knum1 = size(num_t,2)/size(str1_now,2);
des_vector(1,i) = knum1;
end
%% 加载待判断相似性的文件,可以是多个,这里仅用一个做例子
str_check = load_file('maliang_2.txt');
%% 将关键字作为搜索词,统计待搜索文章中关键词出现的次数,得到特征矢量
% [关键词1,关键词2,关键词3]
search_vector = zeros(1,M);
for i = 1:M
num_t = strfind(str_check,key_words{1,1});
knum1 = size(num_t,2)/size(str_check,2);
search_vector(1,i) = knum1;
end
%% 进行余弦相似性检测
Mod1