目錄
1.1 餘弦相似度介紹
如何衡量兩個向量的相似程度？我們用夾角的大小，來衡量向量的相似程度，夾角越小，向量越相似。
- 夾角0度：方向相同，線段重合，表示完全相似
- 夾角90度：方向正交，完全不相似
餘弦曲線圖：
以二維空間爲例，向量a和向量b的餘弦計算如下：
通常，向量是用座標表示，向量a = [x1, y1]，向量b = [x2, y2]，那麼餘弦的計算形式如下：
推廣到n維向量，假定向量A和向量B是兩個n維向量，記A=[
1.2 餘弦相似度舉例
簡單起見，舉個判斷兩個句子的相似度：
句子A：我喜歡看電影，不喜歡看電視劇
句子B：我不喜歡看電影，也不喜歡看電視劇
第一步：分詞
句子A：我/喜歡/看/電影，不/喜歡/看/電視劇
句子B：我/不/喜歡/看/電影，也/不/喜歡/看/電視劇
第二步：列出所有詞
[我，喜歡，看，電影，電視劇，不，也]
第三步：計算詞頻
句子A--->[我:1，喜歡:2，看:2，電影:1，電視劇:1，不:1，也:0]
句子B--->[我:1，喜歡:2，看:2，電影:1，電視劇:1，不:2，也:1]
第四步：向量表示
向量A--->[1, 2, 2, 1, 1, 1, 0]
向量B--->[1, 2, 2, 1, 1, 2, 1]
第五步：計算餘弦相似度
1.3 TF-IDF算法