- 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
我开发了一些java程序来计算基于TF*IDF的余弦相似度。它运作良好。但是有一个问题.... :(
例如:如果我有以下两个矩阵并且我想计算余弦相似度它不起作用,因为行的长度不相同
doc 1
1 2 3
4 5 6
doc 2
1 2 3 4 5 6
7 8 5 2 4 9
如果行和列的长度相同,那么我的程序运行良好,但如果行和列的长度不同,则程序运行不正常。
有什么建议吗???
最佳答案
我不确定你的实现,但 cosine distance两个 vector 的点积等于这些 vector 的归一化点积。
两个矩阵的点积可以表示为 a 。 b = aTb。因此,如果矩阵的长度不同,则无法通过点积来确定余弦。
现在,在标准的 TF*IDF 方法中,矩阵中的术语应由 term, document
索引,因此任何未出现在文档中的术语在矩阵中都应显示为零。
现在您设置它的方式似乎表明您的两个文档有两个不同的矩阵。我不确定这是否是您的意图,但它似乎不正确。
另一方面,如果您的一个矩阵应该是您的查询,那么它应该是一个 vector 而不是矩阵,以便转置产生正确的结果。
TF*IDF 的完整解释如下:
好的,在经典的 TF*IDF 中,您构建了一个术语文档矩阵 a
。矩阵 a
中的每个值都以 ai,j 为特征,其中 i
是术语,j
是文档.该值是局部权重、全局权重和归一化权重的组合(尽管如果您对文档进行归一化,则归一化权重应该为 1)。因此 ai,j = fi,j*D/di,其中 fi,j 是词i
在文档j
中出现的频率,D
是文档大小,di是文档的个数包含术语 i
的文档。
您的查询是指定为 b
的术语 vector 。对于查询中的每个术语 bi,q 都引用查询 q
的术语 i
。 bi,q = fi,q 其中 fi,q 是查询中术语 i
的频率q
。在这种情况下,每个查询都是一个 vector ,多个查询形成一个矩阵。
然后我们可以计算每个 vector 的单位 vector ,这样当我们进行点积时,它会产生正确的余弦值。为了获得单位 vector ,我们将矩阵 a
和查询 b
除以它们的 Frobenius norm。 .
最后,我们可以通过对给定查询的 vector b
进行转置来计算余弦距离。因此每次计算一个查询(或 vector )。这表示为 bTa。最终结果是一个 vector ,其中包含每个术语的得分,其中得分越高表示文档排名越高。
关于java余弦相似度问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2315987/
我正在编写一个具有以下签名的 Java 方法。 void Logger(Method method, Object[] args); 如果一个方法(例如 ABC() )调用此方法 Logger,它应该
我是 Java 新手。 我的问题是我的 Java 程序找不到我试图用作的图像文件一个 JButton。 (目前这段代码什么也没做,因为我只是得到了想要的外观第一的)。这是我的主课 代码: packag
好的,今天我在接受采访,我已经编写 Java 代码多年了。采访中说“Java 垃圾收集是一个棘手的问题,我有几个 friend 一直在努力弄清楚。你在这方面做得怎么样?”。她是想骗我吗?还是我的一生都
我的 friend 给了我一个谜语让我解开。它是这样的: There are 100 people. Each one of them, in his turn, does the following
如果我将使用 Java 5 代码的应用程序编译成字节码,生成的 .class 文件是否能够在 Java 1.4 下运行? 如果后者可以工作并且我正在尝试在我的 Java 1.4 应用程序中使用 Jav
有关于why Java doesn't support unsigned types的问题以及一些关于处理无符号类型的问题。我做了一些搜索,似乎 Scala 也不支持无符号数据类型。限制是Java和S
我只是想知道在一个 java 版本中生成的字节码是否可以在其他 java 版本上运行 最佳答案 通常,字节码无需修改即可在 较新 版本的 Java 上运行。它不会在旧版本上运行,除非您使用特殊参数 (
我有一个关于在命令提示符下执行 java 程序的基本问题。 在某些机器上我们需要指定 -cp 。 (类路径)同时执行java程序 (test为java文件名与.class文件存在于同一目录下) jav
我已经阅读 StackOverflow 有一段时间了,现在我才鼓起勇气提出问题。我今年 20 岁,目前在我的家乡(罗马尼亚克卢日-纳波卡)就读 IT 大学。足以介绍:D。 基本上,我有一家提供簿记应用
我有 public JSONObject parseXML(String xml) { JSONObject jsonObject = XML.toJSONObject(xml); r
我已经在 Java 中实现了带有动态类型的简单解释语言。不幸的是我遇到了以下问题。测试时如下代码: def main() { def ks = Map[[1, 2]].keySet()
一直提示输入 1 到 10 的数字 - 结果应将 st、rd、th 和 nd 添加到数字中。编写一个程序,提示用户输入 1 到 10 之间的任意整数,然后以序数形式显示该整数并附加后缀。 public
我有这个 DownloadFile.java 并按预期下载该文件: import java.io.*; import java.net.URL; public class DownloadFile {
我想在 GUI 上添加延迟。我放置了 2 个 for 循环,然后重新绘制了一个标签,但这 2 个 for 循环一个接一个地执行,并且标签被重新绘制到最后一个。 我能做什么? for(int i=0;
我正在对对象 Student 的列表项进行一些测试,但是我更喜欢在 java 类对象中创建硬编码列表,然后从那里提取数据,而不是连接到数据库并在结果集中选择记录。然而,自从我这样做以来已经很长时间了,
我知道对象创建分为三个部分: 声明 实例化 初始化 classA{} classB extends classA{} classA obj = new classB(1,1); 实例化 它必须使用
我有兴趣使用 GPRS 构建车辆跟踪系统。但是,我有一些问题要问以前做过此操作的人: GPRS 是最好的技术吗?人们意识到任何问题吗? 我计划使用 Java/Java EE - 有更好的技术吗? 如果
我可以通过递归方法反转数组,例如:数组={1,2,3,4,5} 数组结果={5,4,3,2,1}但我的结果是相同的数组,我不知道为什么,请帮助我。 public class Recursion { p
有这样的标准方式吗? 包括 Java源代码-测试代码- Ant 或 Maven联合单元持续集成(可能是巡航控制)ClearCase 版本控制工具部署到应用服务器 最后我希望有一个自动构建和集成环境。
我什至不知道这是否可能,我非常怀疑它是否可能,但如果可以,您能告诉我怎么做吗?我只是想知道如何从打印机打印一些文本。 有什么想法吗? 最佳答案 这里有更简单的事情。 import javax.swin
我是一名优秀的程序员,十分优秀!