帮助中心帮助中心
与余弦相似度的文档相似度
相似性=余弦(文档)
相似性=余弦(文档,查询)
相似之处= CASINESIMILARY(袋)
相似之处= CasineIpileity(袋子,查询)
相似之处= casineIpilarity(m)
相似性=余弦(M1,M2)
例子
相似之处= resineiminity(文件的)使用从其单词计数中得出的TF-IDF矩阵返回指定文档的成对余弦相似性。分数相似之处(i,j)代表相似之处文档(i)和文件(j)。
相似之处= resineiminity(文件的)
相似之处
文件
相似之处(i,j)
文档(i)
文件(j)
相似之处= resineiminity(文件那疑问的)返回之间的相似之处文件和疑问使用从单词计数中得出的TF-IDF矩阵文件。分数相似之处(i,j)代表相似之处文档(i)和查询(j)。
相似之处= resineiminity(文件那疑问的)
疑问
查询(j)
相似之处= resineiminity(包的)返回由指定的单词袋或n-grams模型编码的文档的成对相似性,使用从单词计数中得出的tf-idf矩阵包。分数相似之处(i,j)代表了相似之处一世TH和j编码的文件包。
相似之处= resineiminity(包的)
包
一世
j
相似之处= resineiminity(包那疑问的)返回由单词袋或n-grams型号编码的文档之间的相似之处包和疑问使用从单词计数中得出的TF-IDF矩阵包。分数相似之处(i,j)代表了相似之处一世编码的文件包和查询(j)。
相似之处= resineiminity(包那疑问的)
相似之处= resineiminity(M.的)返回在矩阵的行矢量中编码的数据的相似性M.。分数相似之处(i,j)代表相似之处m(我,:)和m(j,:)。
相似之处= resineiminity(M.的)
M.
m(我,:)
m(j,:)
相似之处= CasineIpileity(M1,M2)返回矩阵中编码的文档之间的相似性M1和M2。分数相似之处(i,j)对应于之间的相似性M1(i,:)和M2(J,:)。
相似之处= CasineIpileity(M1,M2)
M1
M2
M1(i,:)
M2(J,:)
全部收缩
创建一系列令牌化文件。
textdata = [“快速的棕色狐狸跳过了懒狗”“快速的棕色狐狸跳过懒狗”“懒狗坐在那里,没有什么”“其他动物坐在那里看着”];文档= tokenizeddocument(textdata)
文档= 4x1令牌Document:9令牌:快速的棕色狐狸跳过懒狗9令牌:快速的棕色狐狸跳过懒狗8令牌:懒狗坐在那里,没有什么6令牌:其他动物坐在那里看
计算它们之间的相似之处余弦功能。输出是稀疏矩阵。
余弦
相似之处= CasineIpilarity(文件);
在热图中可视化文档之间的相似性。
图热图(相似性);Xlabel(“文档”)ylabel(“文档”) 标题(“余弦相似之处”的)
接近一个的分数表示强烈的相似性。接近零的分数表示相似性较弱。
创建一个输入文档数组。
str = [“快速的棕色狐狸跳过了懒狗”“快狐狸跳过了懒狗”“狗坐在那里,没什么”“其他动物坐在那里看着”];文档= tokenizedDocument(str)
文档= 4x1令牌Document:9令牌:快速的棕色狐狸跳过懒狗8令牌:快速的狐狸跳过懒狗7令牌:狗坐在那里,没有什么6令牌:其他动物坐在那里
创建一系列查询文档。
str = [“一只棕狐跳过懒狗”“另一只狐狸跳过狗”];查询= tokenizeddocument(str)
查询= 2x1令牌地区:8令牌:棕色狐狸跳过懒狗6令牌:另一只狐狸跳过狗
计算输入和查询文档之间的相似性余弦功能。输出是稀疏矩阵。
相似性= cesineiminity(文档,查询);
在热图中可视化文档的相似之处。
图热图(相似性);Xlabel(“查询文档”)ylabel(“输入文件”) 标题(“余弦相似之处”的)
从文本数据中创建一个单词袋式模型十四行诗。
十四行诗
filename =“sonnets.csv”;tbl = readtable(文件名,'texttype'那'细绳');textdata = tbl.sonnet;documents = tokenizedDocument(textData);bag = bagofwords(文档)
BAG =具有属性的BAGOFWORDS:COUNTS:[154x3527双]词汇:[“来自”“FIALEST”“生物”“我们”......] NUMWORDS:3527 NUMFOCUMENTS:154
使用余弦功能。输出是稀疏矩阵。
相似性=余弦(袋);
在热图中可视化前五个文档的相似性。
图热图(相似之处(1:5,1:5));Xlabel(“文档”)ylabel(“文档”) 标题(“余弦相似之处”的)
对于袋式输入,余弦功能使用从模型中派生的TF-IDF矩阵来计算余弦相似度。要直接计算单词计数向量上的余弦相似之处,请输入单词计数余弦充当矩阵。
从模型中获取单词计数的矩阵。
m = bag.counts;
计算单词计数矩阵的余弦文档相似性使用余弦功能。输出是稀疏矩阵。
相似之处= CASINESIMILARY(M);
象征性文档
输入文档,指定为a象征性文档数组,单词字符串阵列或字符向量的单元格数组。如果文件不是一个象征性文档数组,然后必须是代表单个文档的行矢量,其中每个元素是一个单词。要指定多个文档,请使用象征性文档大批。
Bagofwords.
Bagofngrams.
输入袋式或n-grams模型,指定为aBagofwords.对象或一个Bagofngrams.目的。如果包是A.Bagofngrams.对象,然后该函数将每个n-gram视为单个单词。
一组查询文档,指定为以下之一:
一种象征性文档大批
1乘N.字符串阵列代表一个文档,其中每个元素是一个单词
1乘N.表示单个文档的字符向量的单元格阵列,其中每个元素是一个单词
要计算术语频率和逆文档频率统计信息,函数编码疑问使用单词范围的型号。它使用的模型取决于您称之为的语法。如果您的语法指定输入参数文件然后它使用Bagofword(文档)。如果您的语法指定包,然后函数编码疑问使用包然后使用生成的TF-IDF矩阵。
Bagofword(文档)
输入数据,指定为矩阵。例如,M.可以是单词或n-gram计数的矩阵或TF-IDF矩阵。
数据类型:双倍的
双倍的
余弦相似性得分,作为稀疏矩阵返回:
给定单个令牌文件,相似之处是A.N.-经过-N.对称矩阵,其中相似之处(i,j)代表相似之处文档(i)和文件(j),n是输入文档的数量。
给定一系列令牌化的文档和一组查询文档,相似之处是一个N1-经过-N2矩阵,哪里相似之处(i,j)代表相似之处文档(i)和j查询文件,以及N1和N2代表文档数量文件和疑问, 分别。
给定一个单词袋或n-grams型号,相似之处是A.袋子-经过-袋子对称矩阵,其中相似之处(i,j)代表了相似之处一世TH和j编码的文件包。
袋子
给出了一个单词或n-r克模型和一组查询文档,相似之处是A.袋子-经过-N2矩阵,哪里相似之处(i,j)代表了相似之处一世编码的文件包和j文件在疑问, 和N2对应于文件的数量疑问。
给定一个矩阵,相似之处是A.尺寸(m,1)-经过-尺寸(m,1)对称矩阵,其中相似之处(i,j)代表相似之处m(我,:)和m(j,:)。
尺寸(m,1)
给定两个矩阵相似之处是一个尺寸(m1,1)-经过-尺寸(m2,1)矩阵,哪里相似之处(i,j)代表相似之处M1(i,:)和M2(J,:)。
尺寸(m1,1)
尺寸(m2,1)
象征性文档|BleueValuationsCore|Rougeevaluationscore|BM25SIMILARY.|TexTrankScores|LexRankScores.|mmrscores.|提取物
BleueValuationsCore
Rougeevaluationscore
BM25SIMILARY.
TexTrankScores
LexRankScores.
mmrscores.
提取物
您有此示例的修改版本。您想用您的编辑打开这个示例吗?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获得最佳网站性能。其他MathWorks国家网站未优化您所在地的访问。
联系您当地的办公室