Questions tagged «cosine-distance»

相同的含义是，对于向量u和向量V的集合之间的相似性排名，它将产生相同的结果。 我有一个向量空间模型，该模型具有距离度量（欧式距离，余弦相似度）和归一化技术（none，l1，l2）作为参数。根据我的理解，设置[余弦，无]的结果应该与[euclidean，l2]相同或至少真的非常相似，但事实并非如此。 实际上，系统仍然有可能出现故障，或者向量是否存在严重错误？ 编辑：我忘了提到向量是基于语料库文档中的单词计数。给定一个查询文档（我也将其转换为单词计数向量），我想从我的语料库中找到与其最相似的文档。 仅计算它们的欧几里得距离是一个简单的方法，但是在我从事的任务中，余弦相似度通常被用作相似度指示符，因为仅长度不同的向量仍被视为相等。距离/余弦相似度最小的文档被认为是最相似的。

27 normalization  natural-language  euclidean  cosine-distance  cosine-similarity 

我有一个文档项矩阵，现在我想使用一种监督学习方法（SVM，Naive Bayes等）为每个文档提取关键字。在此模型中，我已经使用了Tf-idf，Pos标签，...MMM 但是现在我想知道下一个。我有一个矩阵，两个词之间的余弦相似。CCC 是否可以将这种相似性用作模型的功能？我的想法是对长期在文档d，用平均所有条款的余弦相似的文档d足月我。这有用吗？iiiddddddiii

12 text-mining  feature-construction  supervised-learning  cosine-distance  cosine-similarity 

我正在使用潜在语义分析来表示较低维空间中的文档语料库。我想使用k均值将这些文档分为两组。 几年前，我使用Python的gensim并编写了自己的k-means算法来做到这一点。我使用欧几里得距离确定了聚类质心，但随后基于与质心的余弦相似度对每个文档聚类了。它似乎工作得很好。 现在，我正在尝试在更大的文档集上执行此操作。K-means没有收敛，我想知道这是否是我的代码中的错误。我最近读到您不应该使用余弦相似度进行聚类，因为k均值仅适用于欧几里得距离。即使正如我提到的那样，它在较小的测试用例中似乎也可以正常工作。 现在，我在LSA维基百科页面上发现了这一点： 可以使用传统的聚类算法（如k均值）和相似度（如余弦）对文档和术语向量表示进行聚类。 那是什么呢？是否可以使用余弦相似度？

10 k-means  svd  lsa  cosine-distance  cosine-similarity