文章目录
数据获取和处理以及环境的配置详见上一篇文章: https://blog.csdn.net/qq_42754919/article/details/119606604?spm=1001.2014.3001.5501
每个商品都有标签,标签可以大致的概括商品的特征,但是并不是所有的标签对商品的特征影响性大。因此本文首先使用TD-IDF算法计算每个标签对商品的权重,将最终计算出的特征值转化为稀疏向量,利用余弦相似度计算两个商品之间的相似程度,用于推荐相似的商品。
1.TF-IDF介绍
词频 (term frequency, TF) 指的是:某一个给定的词语在该文件中出现的次数(某个词在文章中出现 的次数)。
并不是出现次数越多,该词对文章的影响性大,比如:的,得等。每个文章都有自己的特征,某个词出现在这个文章的概率远远大于其他文章,才能表示这个词对这篇文章影响性大。
逆向文件频率 (inverse document frequency, IDF) IDF指的是:(某个词在文章出现的次数)/(文章总次数)。