19、文本分析与自动演示开发：从预测到实时数据洞察

文本分析与自动演示开发：从预测到实时数据洞察

1. 利用余弦相似度扩展分析

在文本分析中，我们可以使用余弦相似度（Cosine Similarity，CS）这一线性代数技术来扩展分析。余弦相似度用于衡量向量之间的相似性（或差异性），其目的是测量客户消息之间的方向相似性（而非大小），并尝试用它来预测多次购买的相似结果。

1.1 余弦相似度计算

给定两个向量（在文档 - 特征矩阵（DFM）中为行），它们之间的余弦相似度通过以下步骤计算：
1. 计算两个向量的点积。
2. 计算两个向量的欧几里得范数的乘积。
3. 将点积除以欧几里得范数的乘积。

1.2 代码实现

# 定义计算余弦相似度的函数
cosine_similarities <- function(df) {
  return(cosine(t(as.matrix(df[,-1]))))
}

# 定义计算平均余弦相似度的函数
mean_cosine_similarities <- function(df) {
  similarities <- cosine_similarities(df)
  indices <- which(df$MULTIPLE_PURCHASES == TRUE)
  df$MULTIPLE_PURCHASES_SIMILARITY <- rep(1/2, nrow(df))
  for (i in 2:nrow(df)) {
    df$MULTIPLE_PURCHASES_SIMILARITY[i] <- mean(similari