Questions tagged «cosine-similarity»

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 

我的问题可能很愚蠢。所以我会提前道歉。 我正在尝试使用由Stanford NLP组预训练的GLOVE模型（链接）。但是，我注意到我的相似性结果显示为负数。 那立刻促使我看了字向量数据文件。显然，字向量中的值可以为负。这就解释了为什么我看到负余弦相似度。 我习惯了频率向量的余弦相似度的概念，其值以[0，1]为界。我知道一个事实，根据向量之间的夹角，点积和余弦函数可以为正也可以为负。但是，我确实很难理解和解释这种负余弦相似性。 例如，如果我有一对相似度为-0.1的单词，它们是否比另一对相似度为0.05的单词少？如何比较-0.9与0.8的相似性？ 还是我应该看看的最小角度差的绝对值？分数的绝对值？nπnπn\pi 非常感谢。

17 machine-learning  word2vec  cosine-similarity 

我想知道这三项措施之间是否有任何关系。我似乎无法通过引用定义在它们之间建立联系（可能是因为我是这些定义的新手，并且在掌握它们时花了一些时间）。 我知道余弦相似度的范围可以是0-1，并且皮尔逊相关性的范围可以是-1到1，并且我不确定z得分的范围。 但是，我不知道余弦相似度的某个值如何告诉您有关皮尔逊相关性或z分数的信息，反之亦然？

16 correlation  z-score  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 

我试图将大约6000万个短语嵌入向量空间，然后计算它们之间的余弦相似度。我一直在使用sklearn's CountVectorizer和一个自定义的生成标记器的函数，该函数会产生字母和二字组。事实证明，要获得有意义的表示，我必须允许大量列，行数成线性。这会导致矩阵稀疏，从而导致性能下降。如果只有大约10,000列，那还不错，我认为这对于单词嵌入来说是相当合理的。 我正在考虑尝试使用Google，word2vec因为我敢肯定它会产生低得多的尺寸和更密集的嵌入。但是在此之前，还有其他嵌入值得一看吗？关键要求是能够扩展大约6000万个短语（行）。 我对词嵌入领域还很陌生，因此任何建议都将对您有所帮助。 我还应该补充一点，我已经在使用奇异值分解来提高性能。

11 machine-learning  natural-language  word2vec  word-embeddings  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 

之间是否存在数学关系： 余弦相似度 sim(A,B)sim⁡(A,B)\operatorname{sim}(A, B)两个向量的AAA和，和BBB 和的余弦相似度，通过给定矩阵不均匀缩放。这里是一个给定的对角矩阵，对角线上的元素不相等。A B M Msim(MA,MB)sim⁡(MA,MB)\operatorname{sim}(MA, MB)AAABBBMMMMMM 我试图查看计算结果，但无法达到简单/有趣的链接（表达式）。我想知道是否有一个。 例如，在非均匀缩放中不会保留角度，但是原始角度与非均匀缩放后的角度之间是什么关系？关于一组向量S1与另一组向量S2之间的联系，可以说什么-其中S2是通过非均匀缩放S1获得的？

9 linear-algebra  cosine-similarity