<转>TF-IDF与余弦相似性的应用：找出相似文章

1.使用TF-IDF算法，找出两篇文章的关键词；

2.每篇文章各取出若干个关键词（比如20个），合并成一个集合，计算每篇文章对于这个集合中的词的词频（为了避免文章长度的差异，可以使用相对词频）；

3.生成两篇文章各自的词频向量；

4.计算两个向量的余弦相似度，值越大就表示越相似。

具体实现步骤/内容来源
相关数学知识：余弦