上一篇我讲到了TF-IDF（term frequency–inverse document frequency）模型，再配合余弦定理来计算2篇文本的相似度，但是这样也有一个缺点，如果文本很长，那文本的特征向量会特别的多，比如5W个词，20W个词，那用余弦来计算的话，计算量就会很大，如果语料库文本量又很大，500W，5000W，那两两比较的话，计算量是一个天文数字，时间成本太高了，这种方法肯定不行。上一篇我讲到了TF-IDF（term frequency–inverse document f
阅读背景：
csdn博客推荐系统实战-2文本相似度-simhash和海明距离
来源：互联网
分享到：
