问题标签 [cosine-similarity]

我想计算 PHP 中 1 (ID1) 和 3 (ID1) 之间的余弦相似度，同样适用于 1 和 4、3 和 4。公式将是这样的：

相似度 = (1.1 * 3.1 + 1.4 * 3.4)/(((1.1)^2+(1.3)^2+(1.4)^2)^0.5)(((3.1)^2+ (3.4)^2)^ 0.5) = (4*4+8*4)/(((16+16+64)^0.5)(16+16)^0.5))

我的数据集如下所示：

是否有任何代码用于计算 PHP 中的余弦相似度？

我在 PHP 中编码余弦相似度。有时该公式给出的结果高于一个。为了使用逆 cos 从这个数字中导出度数，它需要介于 1 和 0 之间。

我知道我不需要学位，因为它越接近 1，它们越相似，越接近 0 越不相似。

但是，我不知道 1 以上的数字是什么意思。这是否意味着它完全不同？2 比 0 更相似吗？

你能说相似的顺序是这样的吗：

从下方到 0 最接近 1 - 从 0 移动到 1 时最相似。从上面最接近 1 - 距离越远，相似度就越小。

谢谢！

根据要求，我的代码是：

为了让您了解我得到的值的种类：

我正在使用此处定义的文档相似性。

我的问题是如何从numpy.ndarrayIs there a way to sort the numpy array and get the top-K related documents that are similar 中获取最相关的文档？

这是示例代码。

我想在我的 IR 项目中使用余弦相似度，但是因为向量的大小很大并且必须多次乘以浮点数，所以需要很长时间。

有什么方法可以更快地计算余弦相似度？

这是我的代码：

给定一个稀疏矩阵列表，计算矩阵中每一列（或行）之间的余弦相似度的最佳方法是什么？我宁愿不迭代 n-choose-two 次。

假设输入矩阵是：

稀疏表示为：

在 Python 中，使用矩阵输入格式很简单：

给出：

这对于全矩阵输入来说很好，但我真的想从稀疏表示开始（由于我的矩阵的大小和稀疏性）。关于如何最好地实现这一点的任何想法？提前致谢。

我已经像这样在 Matlab 中实现了余弦相似度。事实上，我有一个 50×50 的二维矩阵。要获得余弦，我应该逐行比较项目。

这个对吗？问题是：wath 是这种状态下的复杂度还是 O(n)？

我有一个 367800x84 的矩阵，行是实例，列是维度。我尝试计算相似度矩阵，但是如果我尝试从整个矩阵计算，它不适合内存。我尝试了不同的代码，但没有奏效。我想把数据分成一堆，然后逐步计算。我该如何应用这种方法？这是我对整个数据所做的尝试。首先是欧几里得，其次是余弦相似码。

-------------------------------------------------- ---:

我想计算两个列表之间的余弦相似度，例如列表 1和列表 2 。dataSetIdataSetII

比方说dataSetIis[3, 45, 7, 2]和dataSetIIis [2, 54, 13, 15]。列表的长度总是相等的。我想将余弦相似度报告为 0 到 1 之间的数字。

我正在尝试计算维基百科文档之间的行相似性。我有格式的 tf-idf 向量Key class: class org.apache.hadoop.io.Text Value Class: class org.apache.mahout.math.VectorWritable。我正在从这里快速浏览文本分析：https ://cwiki.apache.org/confluence/display/MAHOUT/Quick+tour+of+text+analysis+using+the+Mahout+command+line

我创建了一个 mahout 矩阵，如下所示：

我得到了生成的行和列的数量：

矩阵的格式Key class: class org.apache.hadoop.io.IntWritable Value Class: class org.apache.mahout.math.VectorWritable

我还有一个docIndex格式如下的文档：Key class: class org.apache.hadoop.io.IntWritable Value Class: class org.apache.hadoop.io.Text

然后当我运行 rowsimilarity 作业时

我收到以下错误：

有人可以帮我解决错误吗？org.apache.hadoop.io.Text当输入矩阵为格式时，我不确定这是从哪里来 的Key class: class org.apache.hadoop.io.IntWritable Value Class: class org.apache.mahout.math.VectorWritable

非常感谢你。

最好的，德拉甘

我是向量空间模型（VSM）的初学者。我尝试了 这个站点的代码。这是对 VSM 的一个很好的介绍，但我设法从作者那里得到了不同的结果。这可能是因为一些兼容性问题，因为自编写介绍以来scikit learn似乎发生了很大变化。可能是我也误解了解释。
我使用下面的代码得到了错误的答案。有人能弄清楚它有什么问题吗？我在下面发布代码的结果和下面的正确答案

我已经手工完成了计算，所以我知道网站的结果很好。还有另一个Stackoverflow 问题使用相同的代码，但它也没有得到与网站相同的结果。

tf-idf 的结果向量
#[ 2.09861229 1. 1.40546511 1. ]

tf-idf 的右向量
#[0.69314718, -0.40546511, -0.40546511, 0]

结果 tf_idf_matrix
#[[ 0. 0.50154891 0.70490949 0.50154891]
#[ 0. 0.50854232 0. 0.861037 ]]

正确答案
# [[ 0. -0.70710678 -0.70710678 0. ]
# [ 0. -0.89442719 -0.4472136 0. ]]