計算mahout中的餘弦相似度

Question

爲了找到兩個文檔之間的相似度，我計劃採用mahout來執行此任務。

的方法將包括：

1. 該文檔轉換爲TF-IDF
2. 移除停止詞（使搜索有效）
3. 運行餘弦相似度
4. 給相似
程度

我打算在mahout中實現這一點。我是一個初學者mahout，有人可以幫我幾個教程來執行此操作，並告訴我，如果這是一個有效的方法來計算文檔之間的相似度

Answer 1

你不需要實現任何東西。使用seqdirectory和seq2sparse來矢量化你的數據。之後，您可以使用RowSimilarityJob來計算成對餘弦相似度。