第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

為了賬號安全,請及時綁定郵箱和手機立即綁定
已解決430363個問題,去搜搜看,總會有你想問的

新文本文檔與現(xiàn)有文檔列表的余弦相似度

新文本文檔與現(xiàn)有文檔列表的余弦相似度

慕虎7371278 2022-10-11 21:21:43
我有一個包含 1000 個帶有相應(yīng)關(guān)鍵字的文本文檔的數(shù)據(jù)框。我想通過查找與列表中最相似的文檔對應(yīng)的關(guān)鍵字來提取新文檔的關(guān)鍵字。
查看完整描述

1 回答

?
幕布斯6054654

TA貢獻1876條經(jīng)驗 獲得超7個贊

首先將您的 csv 保存到數(shù)據(jù)幀 df 并使用以下函數(shù)進行余弦相似度計算。def get_cosine(vec1, vec2): intersection = set(vec1.keys()) & set(vec2.keys()) numerator = sum([vec1[x] * vec2[x] for x in intersection])


sum1 = sum([vec1[x]**2 for x in vec1.keys()])

sum2 = sum([vec2[x]**2 for x in vec2.keys()])

denominator = math.sqrt(sum1) * math.sqrt(sum2)


if not denominator:

    return 0.0

else:

    return float(numerator) / denominator


def text_to_vector(text):

word = re.compile(r'\w+')

words = word.findall(text)

return Counter(words)


def get_result(content_a, content_b):

text1 = content_a

text2 = content_b


vector1 = text_to_vector(text1)

vector2 = text_to_vector(text2)


cosine_result = get_cosine(vector1, vector2)

return cosine_result

然后遍歷 df 并調(diào)用如下函數(shù):


similarity=[]

for ind in df.index:

#my_doc="new document should go in here"

#prev_doc= "previous document for each index should go in here"

cos=get_result(my_doc, prev_doc)

similarity.append(cos)

max_ind= similarity.index(max(similarity))  

您將獲得最相似文檔的索引位置


查看完整回答
反對 回復(fù) 2022-10-11
  • 1 回答
  • 0 關(guān)注
  • 94 瀏覽
慕課專欄
更多

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯(lián)系客服咨詢優(yōu)惠詳情

幫助反饋 APP下載

慕課網(wǎng)APP
您的移動學(xué)習(xí)伙伴

公眾號

掃描二維碼
關(guān)注慕課網(wǎng)微信公眾號