我正在尝试在 python 中使用布尔模型创建一个查询-答案系统。
我尝试使用 nltk 但似乎它没有布尔模型的功能
我有 3 个文档，我希望看到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？
问问题
3138 次
1 回答
2
删除停用词可能很有用。您可以查找称为余弦相似度的术语。基本上它可以用于机器学习。它可用于查找文档之间的相似性。您可以在 python中查找Scikit 。如果您想使用它，这是您的选择。但是这里有一些教程解释了如何计算这个余弦相似度。
你也可以看看这个问题
我希望它有帮助:)
于 2013-10-22T05:26:06.837 回答