我知道gensim中的word2vec可以计算单词之间的相似性。但现在我想用TF-IDF或LSA与 gensim 计算单词相似度。怎么做？
注意：使用LSA和gensim计算文档相似性很简单：http://radimrehurek.com/gensim/wiki.html
答案 0 :(得分：1)
TF-IDF是加权方案，final Animation animFirst = AnimationUtils.loadAnimation(getActivity(), R.anim.shrink_expand);
final Animation animSecond = AnimationUtils.loadAnimation(getActivity(), R.anim.shrink_expand);
final Animation animThird = AnimationUtils.loadAnimation(getActivity(), R.anim.shrink_expand);
final int[] imageId = new int[]{R.id.step_1, R.id.step_2, R.id.step_3};
final List<Animation> anim = new ArrayList<>();
anim.add(animFirst);
anim.add(animSecond);
anim.add(animThird);
final Handler handler = new Handler();
handler.postDelayed(new Runnable() {
public ImageView imageView;
public void run() {
if (i < imageId.length) {
imageView= ((ImageView) mBinding.getRoot().findViewById(imageId[i]));
imageView .startAnimation(anim.get(i));
anim.get(i).setFillAfter(true);
i++;
} else {
i = 0;
anim.get(0).setFillAfter(false);
anim.get(1).setFillAfter(false);
anim.get(2).setFillAfter(false);
}
handler.postDelayed(this, 2000);
}
}, 500);
}
通过“n”文档将您的问题想象成“m”项的矩阵。矩阵的每个条目Aij表示文档“j”中术语“i”的权重。这是您使用TF-IDF的地方。要知道在矩阵的每个单元格中放入什么。
然后，如果它适合您的应用程序，您可以使用LSA减小矩阵的尺寸。
我希望这会解决一些问题。