自然语言处理之特征提取和嵌入

在经过了文本处理步骤(可参考自然语言处理之文本处理步骤)后有下列几种方法可以进行特征提取。

Bag of word

将这些词变成一个索引放入一个表格中,然后每个文档作为一行,统计文档中的词出现的次数。

如何计算两个文档之间的相似度呢?

一种方法是计算两个文章的点积,但是点积有个缺陷,只能捕捉重叠部分的,它不受其他不同值的影响,因此差别很大的两行,这两行比较长,和差别很小的两行,这两行比较短,他们的重叠的长度可能是一样的,这样的话他们的点积就是一样的。

一个更好的计算方法是计算余弦相似度。 余弦相似度表示的是两行之间向量的余弦值,如果方向完全相同(此时等于1),则说明词意相同,方向完全相反(此时等于-1),则说明词义完全相反。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值