标签： document similarity threshold
这个问题与此问题非常相似：Systematic threshold for cosine similarity with TF-IDF weights
我应该如何切断微小的相似之处？在上面的链接中，答案给出了一种基于平均值的技术。但即使所有相似性都非常小，这也可以返回文档，例如，＆lt; 0.01。
我如何知道给定的文档查询是否与语料库无关，以至于其他文档不应被视为与其类似？有没有系统的方法为此定义一个截止值？