java - 计算 Lucene 文档之间的相似度和质心

Question

为了对我从 Lucene 获得的结果执行简单的聚类算法，我必须计算 Lucene 中 2 个文档之间的余弦相似度，我还需要能够制作一个质心文档来表示每个聚类的质心。

我能想到的就是构建我自己的具有 tf-idf 权重的 vector 空间模型，使用 TermFreqVectors 和 Overall Term frequency 来填充它。

我的问题是:这不是一种有效的方法，是否有更好的方法来做到这一点？

这感觉有点不清楚，因此也感谢任何关于如何改进我的问题的建议。

Answer 1

马克，你可能会找到Integrating Mahout with Lucene , IR Math with Java或 Vector Space Classifier Using Lucene有用。