3回答
我有一个清单的项目，我想找出他们的相似之处与其他项目在这个列表中。相似性列中显示的百分比纯粹是说明性的。我在想，对相似性的测试应该是这样的：
这是在Excel上可以合理完成的事情吗？
浏览 0提问于2017-05-09得票数 3
回答已采纳
1回答
欧几里德与余弦相似
、、、、
我有一个文本数据集，我用tfidf技术矢量化，现在为了进行聚类分析，我正在测量这些向量表示之间的距离。我发现一种常用的方法是用余弦相似度来度量距离，当我问为什么不使用欧氏距离时，通常的回答是，当向量的大小不同时，余弦相似性更好。由于我的文本矢量化表示是归一化的，我想知道使用余弦相似度比欧几里得距离来聚类我的数据的优点是什么？
浏览 0提问于2018-04-11得票数 2
回答已采纳
3回答
我正在考虑在我的相似度程序中设置一个停用词，然后是词干分析器(选择porter1还是porter2取决于最容易实现的是什么)现在我得到了这些字符串
词干分析:我是否可以直接对它使用词干分析算法，将其保存为字符串，然后像在程序中实现词干分析之前那样继续处理相似性，就像运行one.stem()；之类的事情？我想继续处理字符串，并在对其使用
浏览 1提问于2011-05-25得票数 4
1回答
Lucene支持文本的语法和语音分析(如单词词干、变音素)，以允许基于相似度匹配文档的搜索。现在，Lucene用于查询索引，从我从文档中获取的内容，也用于构建索引(请参阅，最后一节)。然而，提供语法和语音分析的Lucene分析器似乎并没有发挥作用。或者是他们和我错过了开关？或者，有没有办法安装/创建一个插件来将文本分析器放入RavenDB？
浏览 0提问于2010-07-07得票数 4
回答已采纳
1回答
我正试着从R做一个Jaccard分析。 但是，在处理之后，我的结果列是NULL。 我从很多方面尝试过解决方案，但问题仍然存在。 有谁能帮帮我吗？
浏览 15提问于2020-04-17得票数 0
是最好的，也是最少的工作，用来解决查找给定文章的相似文章的问题。文章是一串文本。假设我没有关于文章的用户交互数据。
浏览 2提问于2016-07-01得票数 0
1回答
基于相似度的文本分类分析
、、、、
我已经阅读了大量关于文本分类和不同方法/模型的文献，特别是使用Python语言，但我可能仍然缺少一些关于如何构建模型和所涉及的步骤的内容。
我有多个数据集，每个数据集都涉及特定的主题。我已经收集了不同来源的类似主题的文本(使用关键字)，现在我想尝试建立一个模型，可以让我分类为真实或假的新闻自动。我认为，研究词语和标点符号的频率，以及相似性，试图根据相同的条件(例如，抄袭文本之间的相似性)对相似的文本进行分组可能是有用的。我使用相似(Jacca
浏览 0提问于2020-05-11得票数 0
1回答
csv文件包含数千多个随机句子，其中某些句子之间有一些相似之处。我的代码的目的是确定哪一种句子是一种类型，并以上下文的方式引用相同的东西。这是使用 token_set_ratio方法来识别彼此匹配的术语(相等== 100)，将相似的单词分组在一起，然后写入文件。
浏览 2提问于2016-04-12得票数 2
回答已采纳
4回答
显然，我可以从删除停止词(例如did)、命名实体(例如，公路->大街)、定义同义词和应用文本相似性度量(例如Levenshtein距离等)开始。是否有任何API可以在语义相似性方面比较字符串(甚至不需要培训)？
我知道有些软件平台，如对话流，适用于这些任务，但您仍然必须明确说明相同问题的所有变体，这样您才能得到相同的答案。
浏览 0提问于2018-04-19得票数 4
我是这个网站的新手，也是聚类分析的新手，所以如果我违反了约定，我很抱歉。在我的数据集中，我有8个基因，并创建了一个距离矩阵，其中d_{ij}包含基因i和基因j之间的欧几里得距离。然后
浏览 1提问于2013-05-12得票数 0
我正在处理文本数据，目前我已经将我的数据放入术语文档矩阵中，并计算出TF，术语频率和TF-IDF，术语频率与文档频率相反。在我目前的大部分分析中，我一直在使用R中的tm包，但为了更进一步，我已经开始使用Python语言中的gensim库。
我不清楚我是否有像TF和TF-IDF中那样的词嵌入。我希望使用Word2Vec/Doc2Vec，并获得一个类似于我目前拥有的矩阵，然后计算文档之间的余弦相似度。这是模型的输出之一吗？我基本上有大约6000个文档，我想计算它们之间的余弦相似度，
浏览 3提问于2019-07-11得票数 0
我想简单地匹配字段的值，我不关心分数(它总是返回一个匹配)。我不想让elasticsearch给我打分，这可能会导致我的表现变差……或者我错了，我不应该在意？GET /testing/test/_search "query": { "must": [ "match": { "query": "My name h
浏览 1提问于2014-05-04得票数 1
1回答
文本处理
、、
我对集群文本的分析是全新的，我正在使用Goodreads来获取图书概要。我的目标是对类似的书籍进行分组，例如：音乐虽然Goodread提供了体裁，但我想使用概要并使用文本。formed the basis of what it undoubtedly the grandest epic in science fiction.</description>
我读过关于余弦相似性和新谷歌计算两本书的相似度(余弦相似
浏览 0提问于2017-02-03得票数 1
回答已采纳
1回答
存储数万亿个文档相似性
、、、
我写了一个程序来计算两百万个文档之间的相似度。程序可以工作，但我在存储结果时遇到了问题。我不需要经常访问结果，但偶尔需要查询它们并提取子集进行分析。列1和2是文档is，列3是相似性分数。因为相似度得分是对称的，所以我不需要计算它们，但是仍然只剩下2000000*(2000000-1)/2≈2,000,000,000行记录。一个有一百万行记录的文本文件已经有9MB。推算一下，这意味着我需要17TB来存储这样的结果(在纯文本文件中)。
有没有更有
浏览 1提问于2014-03-06得票数 7
1回答
我想研究同一年内的文本相似度，而不是整个数据集中的相似度。为了找到最相似的文本，我使用了WM距离相似度。对于两个文本将是： word2vec_model = gensim.models.KeyedVectors.load_word2vec_format('GoogleNews-vectors-negative300distance = word2vec_model.wmdistance("stri
浏览 19提问于2020-11-01得票数 1
回答已采纳
我正在为一个集合构建一个文档相似图。我已经做了所有的基本工作，如标记化，词干，停止字删除，和包字表示，以表示文档和计算相似度使用Jaccard系数。我现在正在尝试提取命名实体，并评估这些是否有助于提高文档相似度图的质量。我花了很多时间为我的分析寻找真实的数据集。我对消息理解会议(MUC)的数据集感到非常失望。我的问题在这里更具体
还有其他可用的数据集吗？门是一个伟大
浏览 1提问于2015-02-24得票数 0
1回答
我使用Gensim库来查找句子与段落集合、文本数据集之间的相似之处。分别使用了余弦相似度、软余弦相似度和移动测度。Gensim返回一个项目列表，包括、docid、和相似性评分。对于余弦相似度和软余弦相似度，我猜相似度是向量之间的余弦。我说的对吗？
在Gensim文档中，他们写道，这是语义的关联性，没有额外的解释。我已经搜索了很多，但没有找到任何答案。有什么帮助吗？
浏览 0提问于2021-09-20得票数 0
回答已采纳
我有一个相似度矩阵，我计算了大量对象之间的相似度，每个对象可以与任何其他对象具有非零的相似度。我为另一个任务生成了这个矩阵，现在想对其进行聚类以进行新的分析。看起来方法可能是一个很好的选择，因为我可以传入一个预先计算的亲和度矩阵。我还知道，在构建亲和度矩阵时，谱聚类通常会使用一些最近的邻居，而我的相似性矩阵没有同样的约束。如果不是，我想我将不得不对我的预先计算的亲和度矩阵进行更改。
浏览 1提问于2016-10-20得票数 0
我使用elasticsearch来组合不同的东西：-基于密集向量(余弦相似度)的文本得分搜索。我的问题是，在查询阶段不计算余弦相似度，我在文本中的搜索充当预筛选器。我将始终获得结果链接到文本搜索，即使余弦相似更好。我想在查询时计算余弦相似度，这个分数将与<
浏览 1提问于2020-01-29得票数 1
回答已采纳
1回答
我想测量这两个文件的相似性。请注意，我对语音信号中的文本内容不感兴趣(即，没有语音到文本)。我只需要测量相似度，并得到一个分数或百分比。我发现做音频指纹分析的工具很少，但我发现几乎所有的工具都是针对音乐音频文件的，并且在其语音时表现不佳。
浏览 17提问于2013-11-16得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
