我使用以下代码计算了TF-IDF和矩阵:
from sklearn.feature_extraction.text import TfidfVectorizer
#define vectorizer parameters
tfidf_vectorizer = TfidfVectorizer(max_df=0.8, max_features=200000,
min_df=0.2, stop_words='english',
use_idf=True, ngram_range=(1,3))
tfidf_matrix = tfidf_vectorizer.fit_transform(paragraphs) #fit the vectorizer to paragraphs
但是,我现在想比较不同段落的相似性,我的最终结果应该是这样的:
^{pr2}$如何使用TF-IDF
矩阵来比较不同的段落对?在
假设
paragraphs
参数中的每个段落都是一个字符串,tfidf_matrix
中的每一行都将是表示该字符串的数字向量。度量向量(特别是tf-idf权重向量)之间相似性的常用度量是cosine similarity。一个有用的实现是接受矩阵作为输入的scikit-learn cosine_similarity method 。在所以假设你可以:
每个单元格
i, j
将是段落i
和j
之间的相似度得分。在相关问题 更多 >
编程相关推荐