如何计算文本之间的相似度？余弦相似度详解！带例子，嘎嘎通俗易懂～

计算公式

• $\cos (\theta )=\frac{\vec{A}\cdot \vec{B}}{||\vec{A}||\times ||\vec{B}||}$
• 其中 $\theta$ 是 余弦相似度.
• 当$\cos (\theta )$越靠近1，则表示向量A和向量B在向量空间中的夹角越靠近0，意味着它们之间更相似。
• 夹角等于0，则表示这俩向量相等。

例子

• 假如要计算两段文本之间的相似性，总共可以分成以下五个步骤：

  1. 分词
  2. 作出语料库
  3. 计算词频
  4. 将原句转为词频向量
  5. 计算余弦相似性

• A：今天天气真好，明天天气也一样。

• B：今天天气不差，明天也一样。

1. 分词
   今天/天气/真好，明天/天气/也/一样。
   今天/天气/不差，明天/也/一样。
2. 语料库
   今天，天气，真好，明天，也，一样，不差
3. 计算词频
   A：今天1，天气2，真好1，明天1，也1，一样1，不差0
   B：今天1，天气1，真好0，明天1，也1，一样1，不差1
4. 词频向量
   A⃗=[1211110]\vec{A} = \begin{bmatrix} 1\\2\\1\\1\\1\\1\\0 \end{bmatrix}