data-mining - 为什么将余弦相似度和 TF-IDF 一起使用？

Question

TF-IDF and Cosine Similarity is a commonly used combination for text clustering. Each document is represented by vectors of TF-IDF weights.

这是我的课本上说的。

使用余弦相似度，您可以计算这些文档之间的相似度。

但为什么这些技术会一起使用呢？
优势是什么？

例如，也可以使用 Jaccard Similarity 吗？

我知道它是如何工作的，但我想知道，为什么要使用这些技术。

Answer 1

TF-IDF 是使用的权重。

余弦是使用的度量。

您可以使用不加权的余弦，但结果通常更糟。 Jaccard 适用于集合 - 如何使用权重而不将其转换为其他东西而不使其与余弦相同并不明显。