最好的方法來匹配2個文本文件

Question

我想使這樣的軟件，使2文本文件智能有點像檢查多少文本匹配，不喜歡DIFF 我搜索了一個相當谷歌，我發現2件事是圖& TFIDF。

但我兩者之間的困惑，我不知道哪一個更好&也沒有任何其他技術相匹配的文本文檔

Answer 1

你看餘弦距離測量文檔相似性？ 餘弦相似度是測量內積空間的兩個向量之間的相似度的度量，它測量它們之間角度的餘弦http://en.wikipedia.org/wiki/Cosine_similarity

如果您有文檔A和B，則可以爲文檔A和B創建兩個詞向量術語矢量A將包含文件A的單詞和文件的每個單詞頻率。而不是原始的詞頻，你可以TF-IDF加權。一旦你有術語向量A和B，就可以計算術語向量A和B的餘弦相似度，代表文檔A和B. 在創建術語向量之前，您需要執行一些預處理任務，如過濾停用詞。