【发布时间】：2015-01-20 22:44:08
【问题描述】：
我正在尝试在 python 中使用布尔模型创建一个查询-回答系统。
我尝试使用 nltk，但它似乎没有布尔模型的功能
我有 3 个文档，我希望查看哪些文档与数值更相似。
例如 doc1 2.987、doc2 0.876 和 doc3 2.156 因此 doc1 和 doc2 相似
我做了什么：
- 标记化文档
- 删除了重复的单词
- 删除了停用词
我现在拥有的是每个文档的唯一单词列表（基本上是名词、动词、副词和形容词）
现在下一步是什么？
【问题讨论】：
-
为什么要删除重复的单词？文档中一些最常重复的单词可能与主题相关，因此对两个文档是否相似有很大影响。
-
你说得对！我认为更好地删除停用词很有用。
-
@cms_mgr：在布尔检索模型中，重复的单词没有效果。
-
@JPP：布尔检索模型不给出数字相似度分数，只给出布尔分数。您可以使用余弦相似度，但您将不再拥有严格的布尔模型。
-
@JPP：到目前为止你尝试过什么？当前形式的问题不适合 Stack Overflow。
标签： python python-2.7 nlp information-retrieval