java - 如何用文件的tf * idf分数实现余弦相似度？

Question

我有一组文档，我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，如何使用它来计算余弦相似度？对代码的任何帮助表示赞赏！

Answer 1

您可以将数组视为vectors的集合，每个文档对应一个元素，其中元素数等于术语数。为了确定两个文档的相似性，以常规方式（相应矢量分量的乘积之和）计算相应矢量的scalar product，并将其除以两个矢量的范数的乘积。

在计算相似度之前对矢量进行归一化是切实可行的。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。