关于余弦相似度

Question

我发现文件之间存在余弦相似性......我这样做了

D1 =（8,0,0,1）其中8,0,0,1是术语t1，t2，t3，t4的tf-idf分数

D2 =（7,0,0,1）

cos（theta）=（56 + 0 + 0 + 1）/ sqrt（64 + 49）sqrt（1 + 1）

出来是

cos（theta）= 5

现在我从这个值中得到什么...我不明白cos（theta）= 5表示它们之间的相似性......我做得对吗？

Answer 1

分母是错误的。

cosine similarity定义为

         D1 · D2
 sim = ———————————
        |D1| |D2|

下面

D1 · D2 = (7*8 + 0*0 + 0*0 + 1*1) = 57
           ______________________    __
   |D2| = √ 7^2 + 0^2 + 0^2 + 1^2 = √50
           ______________________    __
   |D1| = √ 8^2 + 0^2 + 0^2 + 1^2 = √65

所以相似度应该是（57 /√（50 * 65））= 0.999846142，而不是5。