1回答
我正在尝试评估代表单词的两个向量的余弦相似度。我使用的是快速文本中预先训练好的单词向量。现在，我想知道为什么我的余弦相似度总是正数，不管我用的是什么词。有什么建议吗？ 这是我的代码的一部
浏览 15提问于2020-03-26得票数 0
在word2vec的spark实现上，由于某些原因，当迭代或数据分区的数量大于1时，余弦相似度大于1。
据我所知，余弦相似度应该总是-1 < cos < 1。有人知道为什么吗？
浏览 1提问于2015-10-27得票数 5
在数据科学中，为了识别文档的相似性，我们将文档转换为特征向量。然后应用源文档与目标文档特征向量之间的余弦角公式。
然而，余弦公式仅适用于向量。一个矢量应该有两个震级和方向。对于表示为向量的文档，方向在哪里？
浏览 0提问于2020-05-17得票数 1
据我所知，伟大的text2vec软件包的dist2 RWMD特性将矩阵之间的距离计算为余弦距离。这不是意味着1-(余弦相似度)吗？如果余弦相似度在0到1之间运行，那么不是也应该得到0到1之间的值吗？我不确定在这种情况下如何解释负距离，以及它们与正距离有何不同。谢谢!
浏览 18提问于2019-10-25得票数 0
1回答
我使用Gensim库来查找句子与段落集合、文本数据集之间的相似之处。分别使用了余弦相似度、软余弦相似度和移动测度。Gensim返回一个项目列表，包括、docid、和相似性评分。对于余弦相似度和软余弦相似度，我猜相似度是向量之间的</
浏览 0提问于2021-09-20得票数 0
回答已采纳
我使用elasticsearch来组合不同的东西：-基于密集向量(余弦相似度)的文本得分搜索。我的问题是，在查询阶段不计算余弦相似度，我在文
浏览 1提问于2020-01-29得票数 1
回答已采纳
1回答
欧几里德与余弦相似
、、、、
我有一个文本数据集，我用tfidf技术矢量化，现在为了进行聚类分析，我正在测量这些向量表示之间的距离。我发现一种常用的方法是用余弦相似度来度量距离，当我问为什么不使用欧氏距离时，通常的回答是，当向量的大小不同时，余弦相似性更好。由于我的文本矢量化表示是归一化的，我</
浏览 0提问于2018-04-11得票数 2
回答已采纳
1回答
我有一组简短的文档(每段1到2段)。我使用了三种不同的文档相似度方法：- tfidf矩阵上的简单余弦相似度-在整个语料库上应用LDA，然后使用LDA模型为每个文档创建向量，然后应用余弦相似度。对整个语料库进行-applying LSA，然后使用LSA模型为每个文档创建向量，然后应用余弦相似<e
浏览 20提问于2017-01-06得票数 0
1回答
我有一个术语文档矩阵作为稀疏矩阵( csr或coo矩阵)，还有一个要进行相似性比较的特征向量。我想尝试以下方法：虽然fisrt方法利用了快速向量化和内建余弦<em
浏览 2提问于2018-12-10得票数 1
我按照文档运行了快速文本，相当简单。诸如$ ./fasttext nn result/fil9.bin之类的命令可用于查找单词的最近邻居。然而，在快速文本中有没有这样的简单命令，它接受"Vehicle“和"Car”等两个单词作为输入，并返回它们的(余弦)相似度，即类似于0.777的数字。
浏览 0提问于2018-12-20得票数 1
我训练了一个使用三重态损失的暹罗神经网络。这很痛苦，但我想我成功了。然而，我很难理解如何用这个模型来进行评估。所以基本上，我想要model.evaluate(input1, input2, y_label)。但我不知道如何用我训练过的模型来实现这个目标。我知道我应该保存我训练过的模型的重量，但我只是不知道该把重量加载到哪个模型上。
非常感谢您的帮助！编辑：我知道下
浏览 12提问于2022-04-22得票数 6
回答已采纳
我有一个很大的文本集合，每个文本都在快速增长。我需要实现一个相似性搜索。是否可以使用elasticsearch来获取余弦相似</e
浏览 93提问于2017-02-23得票数 20
我已经用Gensim在非常短的句子(最多10个单词)语料库上训练了快速文本模型。我知道我的测试集中包含不在我的训练语料库中的单词，即我的语料库中的一些单词，如“催产素”、“来曲霉素”、"Ematrophin“、”Betaxitocin“。给定测试集中的一个新词，fasttext非常清楚地知道通过使用字符级n-gram来生成与训练集中<e
浏览 25提问于2020-07-06得票数 4
回答已采纳
1回答
我很好奇公司通常是如何快速计算整个语料库之间的余弦相似度的。例如，如果有人搜索术语“有趣的猫”，并且有100,000个文档至少包含这些术语中的一个，则动态计算查询向量和这100,000个文档向量之间的余弦相似度可能需要很长时间。是否有缓存或加速此搜索的一般策略？
浏览 2提问于2015-07-17得票数 0
我使用k-means对归一化数据进行聚类。我使用了不同的相似度矩阵，如欧几里得、曼哈顿和余弦，当我使用余弦相似度时，Dunn指数为负值。我读到过邓恩指数的取值范围从0到无穷大。使用余弦相似度计算Dunn指数是正确的吗？ 我用过this implementation of Dunn Index。
浏览 94提问于2019-06-12得票数 1
回答已采纳
我正在使用DeepLearning4j框架中的ParagraphVector工具。我正在做的是在一组文本文档上训练模型，然后计算这些文档之间的相似度。现在，正如参考页面()所说，该工具用来计算相似度的度量是余弦相似度，它应该包含在0到1之间。但是，对于某些文档对，我得到了负分。提前谢
浏览 0提问于2016-02-29得票数 0
Jaccard相似度和余弦相似度是比较项目相似性时常用的两种度量方法。然而，在哪种情况下哪一种比另一种更可取，我并不十分清楚。有人能帮助澄清这两种测量方法的差异(概念或原理的差异，而不是定义或计算)及其更好的应用吗？
浏览 0提问于2015-02-12得票数 39
回答已采纳
3回答
最佳简历，文档匹配
、、、、
我用了三种不同的方法来计算简历和工作描述之间的匹配。有人能告诉我什么方法是最好的吗?为什么？
Gensim库采用LSA/LSI模型提取关键词，计算文档与查询之间的</em
浏览 4提问于2016-11-02得票数 1
1回答
我使用表示产品用户购买行为的IndexedRowMatrix，为了构建产品推荐，我使用余弦相似度来计算产品之间的相似性。PySpark提供了一个名为columnSimilarities()的函数。我的问题是，在使用columnSimilarities()之前，是否需要规范每个产品的向量？我读过关于归一化和余弦相似的文章，并且理解
浏览 0提问于2018-11-19得票数 3
我正在读这个问题：
这意味着如果向量完全相似，那么汉明距离将为零，余弦值将为1。但当向量完全不相似时，汉明距离将等于签名长度，因此我们得到cos(pi)，这将导致-1。相似度不应该总是在0和1之间吗？
浏览 4提问于2013-06-20得票数 1
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
云直播
腾讯云开发者
