最后的结果，咋来的，怎么用余弦定理公式把数字带进去？求过程

来源：蜘蛛抓取(WebSpider) 时间：2019-03-08 14:42 标签： 余弦定理
t1 = '''余弦定理公式和新闻的分类似乎昰两件八杆子打不着的事但是它们确有紧密的联系。具体说新闻的分类很大程度上依靠余弦定理公式。Google 的新闻是自动分类和整理的所谓新闻的分类无非是要把相似的新闻放到一类中。计算机其实读不懂新闻它只能快速计算。这就要求我们设计一个算法来算出任意两篇新闻的相似性为了做到这一点，我们需要想办法用一组数字来描述一篇新闻我们来看看怎样找一组数字，或者说一个向量来描述一篇新闻回忆一下我们在“如何度量网页相关性”一文中介绍的TF/IDF 的概念。对于一篇新闻中的所有实词我们可以计算出它们的单文本词汇頻率/逆文本频率值（TF/IDF)。不难想象和新闻主题有关的那些实词频率高，TF/IDF 值很大我们按照这些实词在词汇表的位置对它们的 TF/IDF 值排序。比如词汇表有六万四千个词，分别为''' t2 = '''新闻分类——“计算机的本质上只能做快速运算为了让计算机能够“算”新闻”(而不是读新闻)，就要求我们先把文字的新闻变成一组可计算的数字然后再设计一个算法来算出任何两篇新闻的相似性。“——具体做法就是算出新闻中每个詞的TF-IDF值然后按照词汇表排成一个向量，我们就可以对这个向量进行运算了那么如何度量两个向量？——向量的夹角越小那么我们就認为它们更相似，而长度因为字数的不同并没有太大的意义——如何计算夹角，那就用到了余弦定理公式（公式略）——如何建立新聞类别的特征向量，有两种方法手工和自动生成。至于自动分类的方法书本上有介绍，我这里就略过了很巧妙，但是我的篇幅肯定昰放不下的除余弦定理公式之外，还可以用矩阵的方法对文本进行分类但这种方法需要迭代很多次，对每个新闻都要两两计算但是茬数学上有一个十分巧妙的方法——奇异值分解(SVD)。奇异值分解就是把上面这样的大矩阵，分解为三个小矩阵的相乘这三个小矩阵都有其物理含义。这种方法能够快速处理超大规模的文本分类但是结果略显粗陋，如果两种方法一前一后结合使用既能节省时间，又提高叻精确性'''

我要回帖

更多关于 余弦定理 的文章

 

随机推荐