余弦相似度 && 欧式距离

本文探讨了余弦相似度作为衡量文本数据相关性的方法,特别是在处理由字数统计构成的文本时,它如何校正文档长度差异的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Euclidean vs. Cosine Distance

余弦相似度通常用作度量距离的度量,当矢量的大小不重要时。 例如,在处理由字数统计的文本数据时会发生这种情况。 我们可以假定,当文档1中的单词(例如科学)比文档2中更频繁出现时,该文档1与科学主题更相关。 然而,也可能是我们正在处理不均匀长度的文档(例如维基百科文章)。 然后,科学可能在文献1中出现得更多,只是因为它比文献2长。余弦相似性为此纠正了。

评论 1
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