Carrot2文档的相似性以及tf-idf矩阵中的有序文档索引如何？

Question

我正在尝试使用胡萝卜确定两个文档之间的相似性。是否有可能直接从框架中获得这种相似性？

此外，我一直在研究tf-idf矩阵，并意识到行对应于所有单词和列到文档。但是，如何识别哪个文档对应哪个列？

例如，假设一个文档列表，列顺序将是列表中文档的顺序？

例如：

列出docs = {doc1，doc2，doc3}

和

第0列= doc1 Coluns 1 = doc2

...

这是吗？

Answer 1

Carrot2没有使用传统的文档 - 文档相似性概念，所以你不会在那里找到它。您确实可以使用术语 - 文档矩阵来计算各种文档 - 文档相似度。

您认为术语 - 文档矩阵的列与输入列表中的文档的顺序相同是正确的。您可以查看source code以清除任何其他疑问。