关于余弦相似度 [英] about cosine similarity

问题描述

我发现文档之间的余弦相似性..我是这样做的

I am finding cosine similarity between documents.. I did it like this

D1=(8,0,0,1) 其中 8,0,0,1 是术语 t1, t2, t3 , t4 的 tf-idf 分数

D1=(8,0,0,1) where 8,0,0,1 are the tf-idf scores of the terms t1, t2, t3 , t4

D2=(7,0,0,1)

D2=(7,0,0,1)

cos(theta) = (56 + 0 + 0 + 1)/sqrt(64 + 49) sqrt(1 +1)

cos(theta) = (56 + 0 + 0 + 1) / sqrt(64 + 49) sqrt(1 +1 )

结果是

cos(theta)= 5

cos(theta)= 5

现在我根据这个值评估什么...我不明白 cos(theta)=5 表示它们之间的相似性...我做对了吗?

Now what do I evaluate from this value... I don't get it what does cos(theta)=5 signify about the similarity between them... Am I doing things right?

推荐答案

分母有误.

余弦相似度定义为

         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

所以相似度应该是 (57/√(50 * 65)) = 0.999846142，而不是 5.

So the similarity should be (57 / √(50 * 65)) = 0.999846142, not 5.

这篇关于关于余弦相似度的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！