【发布时间】：2012-05-03 23:55:58
【问题描述】：
我有一组要在其中搜索关键字的文档。我已经计算了关键字和所有文档的 tf-idf 值。假设，我将我的 tf-idf 值存储在所有文档的数组中，我如何使用它来计算我的余弦相似度？任何形式的代码帮助表示赞赏！
【问题讨论】：
-
我一定会工作的。有什么帮助吗？
标签： java similarity trigonometry tf-idf
【发布时间】：2012-05-03 23:55:58
【问题描述】：
您可以将数组视为vectors 的集合，每个文档对应一个元素，其元素数等于词条数。要确定两个文档的相似性，您可以按照通常的方式计算对应向量的scalar product（对应向量分量的乘积之和），然后将其除以两个向量的范数的乘积。
在计算相似度之前对向量进行归一化是很实用的。在这种情况下，您只需使用文档向量的标量积，因为规范将是一个。
【讨论】：
-
我是否必须为文档中的所有条款计算 tfidf？我只是在计算我的关键字和文档的 tfidf 值。
-
你可以计算任何你喜欢的向量的分数。如果要与关键字进行比较，可以将其视为仅包含单个术语的虚构文档。
-
哦，这样！非常感谢。