贾慧玉的博客

在进行影片相似度计算的时候，有的人对于影片的评分习惯偏低，有的人习惯偏高，皮尔逊方法可以修正“夸大分值”的情况。 如果某人总是倾向于给出比另一个人更高的分值，而二者的分值又始终保持一致，则他们也会存在很高的相关性。# recommendations.py# 返回p1和p2的相关系数def sim_pearson(prefs,p1,p2): # 得到双方都曾评价过的物品列表 si

# -*- coding: utf-8 -*-import jiebaimport loggingfrom gensim import corpora, models, similaritiesfrom collections import defaultdictlogging.basicConfig(format='%(asctime)s : %(levelname)s : %(messa

# -*- coding: utf-8 -*-"""对英文的处理"""import loggingfrom gensim import models, similarities, corporafrom collections import defaultdictimport os# 日志输出logging.basicConfig(format='%(asctime)s : %(le

转自：https://blog.youkuaiyun.com/madujin/article/details/53152619 原理：simhash是一种局部敏感hash。我们都知道什么是hash。那什么叫局部敏感呢，假定A、B具有一定的相似性，在hash之后，仍然能保持这种相似性，就称之为局部敏感hash。在上文中，我们得到一个文档的关键词，取得一篇文章关键词集合，又会降低对比效率，我们可以通过h...