约余弦相似

我发现文档之间的余弦相似..我做了这样的约余弦相似

D1 =（8,0,0,1），其中8,0,0,1是的TF-IDF得分术语T1，T2，T3，T4

D2 =（7,0,0,1）

COS（THETA）=（56 + 0 + 0 + 1）/ SQRT（64 + 49）SQRT （1 +1）

其中出来是

COS（THETA）= 5

现在我该如何评估这个值......我不明白cos（θ）= 5是什么意思，它们表明它们之间的相似性......我是否正确地做事？

来源

2010-05-18 jaskirat

COS（ theta）总是在-1和1之间。你做错了什么。另外，这功课呢？ – 2010-05-18 18:36:55

是啊...分配 – jaskirat 2010-05-18 18:40:40

分母是错误的。

的cosine similarity被定义为

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

这里

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

所以相似度应为（57 /√（50 * 65））= 0.999846142，不5.

来源

2010-05-18 18:38:07 kennytm

哦，我忽略了零值....我多么愚蠢......谢谢你kennyTM ...非常感谢你... – jaskirat 2010-05-18 18:40:59

@jaskirat：你没有忽略零值。你计算了| D1 |和| D2 |错。没有什么是√（7^2 + 8^2）。 – kennytm 2010-05-18 18:43:23

哦kk ...以及我从参考http：//www.miislita.com/information-retrieval-tutorial/cosine-similarity-tutorial.html ... – jaskirat 2010-05-18 18:51:55

回答

相关问题