本文介绍了两种文本相似度计算方法：欧式距离和余弦相似度。通过举例说明，展示了如何将文本转化为词频向量，并计算两文本之间的距离和相似度。然而，这种方法忽视了词的权重，对于关键词和通用词的重要性没有区分，为解决此问题，后续可以引入tf-idf技术。
以下内容是通过学习b站“攻城狮之家”，写下的笔记。视频的老师讲的逻辑清晰容易理解，推荐给大家！
本文介绍两种计算文本相似的方法，一是计算距离（欧式距离），二是余弦相似度。
一、计算距离（欧式距离）
- 公式
d = |s1-s2| = √(x1-x2) ²+(y1-y2) ²
2.举例说明
S1 = “我们 今天 去 爬山”
S2 = “你们 昨天 跑步”
S3 = “你们 又 去 爬山 又 去 跑步”
所有出现的词的集合为S，则S=[我们，今天，去，爬山，你们，昨天，跑步，又]
用向量表示S1,S2,S3，即在S中的词出现频率
S1 = （1,1,1,1,0,0,0,0）
S2 = （0,0,0,0,1,1,1,0）
S3 = （0,0,2,1,1,0,1,2）
d(S1,S2)=√(1²+1²
最低0.47元/天 解锁文章
扫一扫
214
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
