我正在尝试使用python中的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函数
我有3个文件，我希望看到哪些文件与数字值更相似。
例如doc1 2.987，doc2 0.876和doc3 2.156因此doc1和doc2相似
我做了什么：
我现在拥有的是每个文件的独特单词列表（基本上是名词，动词，副词和形容词）
现在下一步是什么？
答案 0 :(得分：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。你可以在python中找到Scikit。如果您想使用它是您的选择。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
Python: tf-idf-cosine: to find document similarity
我希望它有所帮助：）