[repost ]余弦相似性获取文章相似度的java实现

original:http://ift.tt/1asvnfe 文章相似度的实现可以用余弦相似性实现。余弦定理可参考： 余弦定理 字符串之间的相似度实现：字符串相似度算法(编辑距离)java实现 我们可以把它们想象成空间中的两条线段，都是从原点（[0, 0, ...]）出发，指向不同的方向。两条线段之间形成一个夹角，如果夹角为0度，意味着方向相同、线段重合；如果夹角为90度，意味着形成直角，方向完全不相似；如果夹角为180度，意味着方向正好相反。因此，我们可以通过夹角的大小，来判断向量的相似程度。夹角越小，就代表越相似。 余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫”余弦相似性”。 阮一峰老师写的一篇博文简单明了，大家可以看看：TF-IDF与余弦相似性的应用（二）：找出相似文章 实现该算法思路： 1.先用es-ik进行文章分词。 2.得到两篇文章的词频向量 3.计算两个向量的余弦相似度，值越大就表示越相似。 相关代码实现已经github上。具体地址为：http://ift.tt/1aOmMOw package com.xq.algorithm; import java.util.ArrayList; import java.util.LinkedHashMap; import java.util.List; import java.util.Map; /** * * <p>Title:</p> * <p>Description: 余弦获取文章相似性 * </p> * @createDate：2013-8-26 * @author xq * @version 1.0 */ public class CosineSimilarAlgorithm { /** * * @Title: cosSimilarityByFile * @Description: 获取两个文件相似性 * [...]



via WordPress http://ift.tt/LYoPdj