tf-idf

    1熱度

    2回答

    SVM線性內核中TF-IDF和TF之間的區別

    因爲IDF是一個常數。 一維中的所有值都乘以一個常數。 在SVM線性內核中，結果會不一樣？
    svm document-classification tf-idf 2012-09-19

    12熱度

    1回答

    TF * IDF的搜索查詢

    好了，所以我一直在關注的TF-IDF這兩個職位，但我有點困惑：http://css.dzone.com/articles/machine-learning-text-feature 基本上，我想創建一個包含搜索通過多個文檔的搜索查詢。我想使用scikit-learn工具包以及用於Python的NLTK庫 問題是我沒有看到兩個TF * IDF矢量來自哪裏。我需要一個搜索查詢和多個文檔來搜索。我想我計
    python nlp nltk scikit-learn tf-idf 2012-08-11

    4熱度

    1回答

    計算solr和java文檔中單詞的TF-IDF

    我可以通過計算文檔中Term的數量 來輕鬆獲得TF，並且我想知道如何計算文檔頻率 即包含這個術語 我到目前爲止所做的是查詢具有大量行的solr並計算結果，但這非常耗時且內存昂貴。我想算的條款只 SolrQuery q = new SolrQuery(); q.setQuery("tweet_text:"+kw); q.addField("tweet_text"); q
    java solr nlp tf-idf 2012-11-20

    5熱度

    2回答

    用於文檔分類的計算IDF（逆文檔頻率）

    我對計算文檔分類中的IDF（逆文檔頻率）有疑問。我有多個類別和多個培訓文件。我使用下面的公式在文檔中計算IDF每個術語： IDF(t,D)=log(Total Number documents/Number of Document matching term); 我的問題是： 什麼是「在語料庫總數文件」是什麼意思？文檔是從當前類別還是從所有可用類別計數？ 「文件匹配項數」是什麼意思？術語匹配文
    machine-learning information-retrieval tf-idf document-classification categorization 2012-08-14

    1熱度

    1回答

    如何計算TF-IDF

    我想要得到的使用使用TF-IDF餘弦相似度方法兩個詞的語義相似。 對於第一個我想從維基百科或字net.After採取的這些詞的含義，我想預先處理文本，並找到TF-IDF。當我用Google搜索的問題，我發現，找到TF-IDF，我們應該有一列火車集和測試集。在我的情況下，哪一個是火車集，哪一個是測試集？如何使用計算結果計算餘弦相似度？
    nlp tf-idf 2012-10-05

    60熱度

    5回答

    的Python：TF-IDF餘弦：找文檔相似

    我下面的教程是可利用的在Part 1 & Part 2遺憾的是作者沒有時間，其中包括使用餘弦實際查找兩個文件之間的相似性的最後一節。我通過以下鏈接從stackoverflow獲得了文章中的例子。我已經包含了上述鏈接中提到的代碼，只是爲了讓答案生活變得簡單。 from sklearn.feature_extraction.text import CountVectorizer from sklea
    python machine-learning nltk information-retrieval tf-idf 2012-08-25

    1熱度

    2回答

    Scipy，tf-idf和餘弦相似性

    我想根據使用python的tf-idf矩陣對一些文檔進行聚類。 首先，我使用規範化的tf遵循公式的維基百科定義。 http://en.wikipedia.org/wiki/Tf-idf Feat_vectors以二維numpy數組開頭，行代表文檔，列代表術語，每個單元格中的值爲每個文檔中每個術語的出現次數。 import numpy as np feat_vectors /= np.max(f
    python scipy cluster-analysis cosine tf-idf 2012-12-03

    1熱度

    1回答

    如何處理tf-idf中非常罕見的術語？

    我正在實施一個天真的「關鍵字提取算法」。儘管如此，我還是自學成才的，所以我缺少一些在線文獻中常見的術語和數學。 我發現這樣一個文件的「最相關的關鍵字」： 我算每學期多久當前文檔中使用。我們稱之爲tf。 我擡頭一看多久每一這些術語在文檔的整個數據庫使用。我們稱之爲df。 我通過來計算相關權重r r = tf/df。 每個文檔都是語料庫的真正子集，因此沒有文檔包含不在語料庫中的詞語。這意味着我不必擔心
    feature-extraction relevance tf-idf noise-reduction oov 2012-10-18

    2熱度

    2回答

    Lucene評分函數 - 偏向較短的文檔

    我希望Lucene評分函數根據文檔的長度沒有偏差。這真的是一個後續問題Calculate the score only based on the documents have more occurance of term in lucene 我想知道Field.setOmitNorms（true）是如何工作的？我看到有兩個因素使得短文件得到了很高的分數： 「助推」較短長的職位 - 在規範的定義使用
    java apache lucene tf-idf 2012-08-29

    1熱度

    1回答

    錯誤與tf-idf

    嗨我有tf-idf的問題。代碼顯示了我：「0」 這是代碼： $terms = array_count_values(explode(' ', $frase)); $total_term = asort($terms); $total_array = count($total_term); for ($i=1; $i<=$total_array; $i++){ $SQL = mysql_q
    php mysql algorithm tf-idf 2012-12-11
最新問題