2

嗨,我正在尝试计算我的查询与我用 python 中的信息检索程序返回的文档之间的余弦相似度。

对于余弦相似度,我使用这个实现:

import math
def cosine_similarity(v1,v2):

    sumxx, sumxy, sumyy = 0, 0, 0
    for i in range(len(v1)):
        x = v1[i]; y = v2[i]
        sumxx += x*x
        sumyy += y*y
        sumxy += x*y
    return sumxy/math.sqrt(sumxx*sumyy)

我在这个网站上找到了这个解决方案,但我遇到了一些问题。I tf*idf 权重和每个文档的向量,这是文档向量和查询向量的示例:

D: [0.028239449664633154, 0.05559373180364792, 0.02798439181455718]
Q: [0.3746433655507998, 0.526816791853616, 0.618765996788542] 

好的,所以问题是有时我做余弦相似度,结果大于1,这怎么可能?余弦不能大于1?我的推理正确吗?在这种情况下做余弦相似度是否正确?请帮助我,谢谢

4

1 回答 1

0

1)余弦相似度不能大于 1。

-1 <= cos_sim <= 1

2)你得到的结果大于 1 可能是因为浮点数据类型。

浮点数在计算机硬件中表示为以 2 为底的(二进制)分数。

在运行 Python 的典型机器上,有 53 位精度可用于 Python 浮点数

如果 Python 要打印存储为 0.1 的二进制近似值的真实十进制值,则必须显示

>>> 0.1
0.1000000000000000055511151231257827021181583404541015625

浏览链接以了解有关 python 中浮点数的更多信息。

于 2017-08-03T22:15:04.780 回答