cosine-similarity

0熱度

2回答

我想要衡量一個集羣中兩個點之間的相似度。以這種方式計算的相似度是兩個數據點之間相似度的可接受度量嗎？說我必須向量：vector A and vector B即在相同的羣集。我已經訓練了一個由model表示的聚類，然後model.computeCost()計算了輸入點與相應聚類中心之間的距離。（我使用Apache火花MLlib） val costA = model.computeCost(A)

2熱度

2回答

用於測量Text :: Document中CosineSimilarity的變量未初始化

我正在使用Text :: Document計算兩個文檔之間的餘弦相似度。當我嘗試打印包含餘弦相似度得分（$ sim）的變量時，我收到一條錯誤消息：「在連接（。）或字符串中使用單位值$ sim ...」。據我所知，我立即在打印命令上面初始化這個變量。無可否認，這是我第一次進入Text :: Document模塊，這裏我的對象構造可能是錯誤的/醜陋的/可能存在問題的。任何想法變量初始化有什麼問題？ u

0熱度

1回答

Mahout：在TanimotoCoefficientSimilarity上，AverageAbsoluteDifferenceEvaluator返回的值是多少？

我正試圖改進項目中的mahout推薦實現，並且我發現我的前任將tanimotoCoefficientSimilarity用於首選值爲1-5的數據集。我將它改爲UncenteredCosineSimilarity，現在我試圖測試它在性能上的改進。我試着對兩者都使用AverageAbsoluteDifferenceEvaluator，但意識到這不應該用於Tanimoto，因爲它不會返回首選項的期望值

3熱度

1回答

Spark ml餘弦相似度：如何得到1到n的相似度得分

我讀過我可以用columnSimilarities方法，RowMatrix找到各種記錄（基於內容）的餘弦相似度。我的數據看起來是這樣的： genre,actor horror,mohanlal shobhana pranav comedy,mammooty suraj dulquer romance,fahad dileep manju comedy,prithviraj 現在，我已經

0熱度

2回答

默認情況下，Lucene（java框架）會根據術語計算文檔的tf-idf和餘弦相似度嗎？

我正在開發一個基於搜索引擎的應用程序，並且正在研究Lucene java框架，我被默認的lucene提供的評分功能弄糊塗了，比如默認的tf-idf和餘弦相似度計分功能是否實現，或者我們必須做別的事嗎？ public class LuceneTester { String indexDir = "C:\\Users\\hamda\\Documents\\NetBeansProjects\\luc

2熱度

1回答

Numpy Cosine在大集合上的類似差異

我需要在大矩陣上使用Scikit-learn sklearn.metric.pairwise.cosine_similarity。對於一些優化我需要計算矩陣的一些行，所以我嘗試了不同的方法。我發現，在某些情況下結果取決於載體的大小是不同的，我看到在這個測試情況下，這個奇怪的行爲（大載體，調換和估計餘弦）： from sklearn.metrics.pairwise import cosine_

0熱度

1回答

在tf-idf中處理不兼容的矩陣形狀

我試圖匹配兩個不同數據幀df1和df2的公司名稱。我試圖在兩列上實現tf-idf和餘弦相似性 - df1中的company1和df2中的company2。 from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.metrics.pairwise import cosine_similarity v = T

0熱度

3回答

餘弦相似

我試圖找到代表兩個文件的餘弦相似如下： d1: [(0,1), (3,2), (6, 1)] d2: [(1,1), (3,1), (5,4), (6,2)] 其中每個文檔是一個主題的權重向量，其中的主題是在元組的第一個元素重量是第二個元素我不知道如何去計算餘弦相似性在這種情況下與這個加權計劃？ Python中是否有任何模塊/軟件包會讓我做這樣的事情？

0熱度

1回答

產品價格對比工具：難以匹配相同的項目

我正在創建一個電子通信產品價格比較工具（在Python中），它有點類似於camelcamelcamel.com，既有趣又有利。當我想從我使用搜索詞從各種網站收集的列表中匹配相同的項目時，我正面臨困難。我正在使用餘弦相似度和想用Levenshtein的產品匹配算法，使各個項目的標題相互匹配以找到相同的項目。例如，我有項目的下列項目和它們的價格值， { product_0: {

1熱度

1回答

基於項目的協作過濾器的最小數據量

我正在使用基於項目的協作過濾器爲餐館創建推薦的推薦引擎。每家餐館的評論評分從1到5。每個推薦算法都會遇到數據稀疏問題，所以我一直在尋找解決方案來計算正確的相關性。我在餐廳之間使用調整後的餘弦相似度。當您想計算餐廳之間的相似度時，您需要評價這兩家餐廳的用戶。但是，對兩家餐廳進行評分以獲得正確關聯的用戶的最小數量是多少？從測試中，我發現有一組用戶對兩家餐廳進行評分會導致不良的相似性（很明顯）。