- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我正在寻找一个可以计算 tf-idf 计算的简单 java 类。我想对 2 个文档进行相似性测试。我发现很多使用 tf-idf 类的 BIG API。我不想使用大的 jar 文件,只是为了做我的简单测试。请帮忙 !或者至少有人可以告诉我如何找到 TF?和以色列国防军?我会计算结果:)或者如果你能告诉我一些好的 Java 教程。请不要告诉我寻找谷歌,我已经搜索了 3 天,但找不到任何东西:(也请不要将我推荐给 Lucene :(
最佳答案
词频是某个词在特定文档中出现次数的平方根。
逆文档频率是((文档总数除以包含该术语的文档数)的对数)加一,以防该术语出现零次——如果是,显然不要尝试除以为零。
如果该答案不清楚,每个文档每个术语都有一个 TF,每个术语都有一个 IDF。
然后 TF-IDF(term, document) = TF(term, document) * IDF(term)
最后,您使用 vector 空间模型来比较文档,其中每个术语都是一个新维度, vector 指向该维度的部分的“长度”是 TF-IDF 计算。每个文档都是一个 vector ,因此计算两个 vector ,然后计算它们之间的距离。
因此,要在 Java 中执行此操作,请使用 FileReader 或其他工具一次一行地读取文件,并按空格或您想要使用的任何其他分隔符进行拆分 - 每个单词都是一个术语。计算每个术语在每个文件中出现的次数,以及每个术语出现的文件数。然后您便拥有了执行上述计算所需的一切。
因为我无事可做,所以我查阅了 vector 距离公式。给你:
D=sqrt((x2-x1)^2+(y2-y1)^2+...+(n2-n1)^2)
为此,x1 是文档 1 中术语 x 的 TF-IDF。
编辑:回答您关于如何计算文档中的字数的问题:
new BufferedReader(new FileReader(filename))
- 您可以稍后调用 BufferedReader.readLine()
循环,每次检查是否为 null。line.split("\\s")
- 这将在空白处拆分您的行并为您提供所有单词的数组。HashMap
来完成。现在,在为每个文档计算 D 之后,您将得到 X 值,其中 X 是文档的数量。将所有文档相互比较只是进行 X^2 次比较——这对于 10,000 次应该不会花费特别长的时间。请记住,如果两个文档之间的 D 值之差的绝对值较低,则它们更相似。因此,您可以计算每对文档的 D 之间的差异,并将其存储在优先级队列或其他排序结构中,以便最相似的文档冒泡到顶部。合理?
关于java - Java 中 Tf Idf 的任何教程或代码,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1960333/
我尝试理解[c代码 -> 汇编]代码 void node::Check( data & _data1, vector& _data2) { -> push ebp -> mov ebp,esp ->
我需要在当前表单(代码)的上下文中运行文本文件中的代码。其中一项要求是让代码创建新控件并将其添加到当前窗体。 例如,在Form1.cs中: using System.Windows.Forms; ..
我有此 C++ 代码并将其转换为 C# (.net Framework 4) 代码。有没有人给我一些关于 malloc、free 和 sprintf 方法的提示? int monate = ee; d
我的网络服务器代码有问题 #include #include #include #include #include #include #include int
给定以下 html 代码,将列表中的第三个元素(即“美丽”一词)以斜体显示的 CSS 代码是什么?当然,我可以给这个元素一个 id 或一个 class,但 html 代码必须保持不变。谢谢
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 7 年前。
我试图制作一个宏来避免重复代码和注释。 我试过这个: #define GrowOnPage(any Page, any Component) Component.Width := Page.Surfa
我正在尝试将我的旧 C++ 代码“翻译”成头条新闻所暗示的 C# 代码。问题是我是 C# 中的新手,并不是所有的东西都像 C++ 中那样。在 C++ 中这些解决方案运行良好,但在 C# 中只是不能。我
在 Windows 10 上工作,R 语言的格式化程序似乎没有在 Visual Studio Code 中完成它的工作。我试过R support for Visual Studio Code和 R-T
我正在处理一些报告(计数),我必须获取不同参数的计数。非常简单但乏味。 一个参数的示例查询: qCountsEmployee = ( "select count(*) from %s wher
最近几天我尝试从 d00m 调试网络错误。我开始用尽想法/线索,我希望其他 SO 用户拥有可能有用的宝贵经验。我希望能够提供所有相关信息,但我个人无法控制服务器环境。 整个事情始于用户注意到我们应用程
我有一个 app.js 文件,其中包含如下 dojo amd 模式代码: require(["dojo/dom", ..], function(dom){ dom.byId('someId').i
我对“-gencode”语句中的“code=sm_X”选项有点困惑。 一个例子:NVCC 编译器选项有什么作用 -gencode arch=compute_13,code=sm_13 嵌入库中? 只有
我为我的表格使用 X-editable 框架。 但是我有一些问题。 $(document).ready(function() { $('.access').editable({
我一直在通过本教程学习 flask/python http://blog.miguelgrinberg.com/post/the-flask-mega-tutorial-part-i-hello-wo
我想将 Vim 和 EMACS 用于 CNC、G 代码和 M 代码。 Vim 或 EMACS 是否有任何语法或模式来处理这种类型的代码? 最佳答案 一些快速搜索使我找到了 this vim 和 thi
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?更新问题,使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve this
这个问题在这里已经有了答案: Enabling markdown highlighting in Vim (5 个回答) 6年前关闭。 当我在 Vim 中编辑包含 Markdown 代码的 READM
我正在 Swift3 iOS 中开发视频应用程序。基本上我必须将视频 Assets 和音频与淡入淡出效果合并为一个并将其保存到 iPhone 画廊。为此,我使用以下方法: private func d
pipeline { agent any stages { stage('Build') { steps { e
我是一名优秀的程序员,十分优秀!