原书出处
社交网站的数据挖掘与分析(原书第2版)
提供nltk.cluster.util.
cosine_distance(v1,v2)函数来计算余弦相似度,这样就很容易比较两个文档的相似度。如示例4-10所显示的,所有的工作都是为了产生正确的单词向量;简而言之,就是通过将TF-IDF分数分配到向量中,从而对给定的文档计算单词向量。因为两个文档的词表可能不同,所以对在一个文档中不存在而在另外一个文档中存在的单词,要用0.0在向量中占位。这样的效果是
,两个向量有相同的长度,并且分量按相同的
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0076.html
EPUB SHA-256:06582ecdf071724c9e218bc2698d2fff4e82a992d672b287e4c2e6092c924bcf