java - java - 如何使用文档的 tf*idf 分数实现余弦相似度？

Question

我有一组文档，我正在其中搜索我的关键字。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！

Answer 1

您可以将数组视为向量的集合，每个文档都有一个向量，其中元素的数量等于术语的数量。要确定两个文档的相似性，您可以以通常的方式计算对应向量的标量积（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。