cosineSimilarity
文档相似度与余弦相似度
语法
描述
例子
文档之间的相似度
创建一个标记化文档数组。
textData = [“敏捷的棕色狐狸跳过了懒惰的狗”《跑得快的棕狐跳过了懒狗》“懒狗坐在那里什么都不做”“其他动物坐在那里看着”];文件= tokenizedDocument (textData)
documents = 4x1 tokenizedDocument: 9代币:快棕色狐狸跳过懒狗9代币:快棕色狐狸跳过懒狗8代币:懒狗坐在那里什么也不做6代币:其他动物坐在那里观看
计算它们之间的相似之处cosineSimilarity函数。输出是一个稀疏矩阵。
相似性= cosineSimilarity(文件);
在热图中可视化文档之间的相似之处。
图的热图(相似性);包含(“文档”) ylabel (“文档”)标题(“余弦相似性”)
接近1的分数表示高度相似。接近零的分数表示相似度较低。
相似性查询
创建一个输入文档的数组。
str = [“敏捷的棕色狐狸跳过了懒惰的狗”“快狐狸跳过懒狗”“狗坐在那里，什么也不做”“其他动物坐在那里看着”];文件= tokenizedDocument (str)
documents = 4x1 tokenizedDocument: 9代币:敏捷的棕色狐狸跳过懒狗8代币:敏捷的狐狸跳过懒狗7代币:狗坐在那里什么也不做6代币:其他动物坐在那里观看
创建查询文档数组。
str = [“一只棕色的狐狸跳过了懒狗”“另一只狐狸跳过了狗”];查询= tokenizedDocument (str)
queries = 2x1 tokenizedDocument: 8 token:一只棕色的狐狸跳过了懒惰的狗6 token:另一只狐狸跳过了狗
计算输入和查询文档之间的相似性cosineSimilarity函数。输出是一个稀疏矩阵。
相似性= cosineSimilarity(文档、查询);
在热图中可视化文档的相似性。
图的热图(相似性);包含(“查询文档”) ylabel (“输入文件”)标题(“余弦相似性”)
接近1的分数表示高度相似。接近零的分数表示相似度较低。
使用词袋模型的文档相似度
中的文本数据创建一个单词包模型sonnets.csv。
文件名=“sonnets.csv”;台= readtable(文件名,“TextType”,“字符串”);textData = tbl.Sonnet;文件= tokenizedDocument (textData);袋= bagOfWords(文档)
bag = bagOfWords with properties: Counts: [154x3527 double]词汇:["From" "fairest" "creatures" "we"…NumWords: 3527 NumDocuments: 154
计算十四行诗之间的相似性cosineSimilarity函数。输出是一个稀疏矩阵。
相似性= cosineSimilarity(袋);
在热图中可视化前五份文件的相似性。
图的热图(相似性(1:5,1:5));包含(“文档”) ylabel (“文档”)标题(“余弦相似性”)
接近1的分数表示高度相似。接近零的分数表示相似度较低。
字数矩阵内的相似之处
对于单词袋输入，cosineSimilarity函数使用从模型导出的tf-idf矩阵计算余弦相似度。要直接计算词数向量上的余弦相似度，将词数输入到cosineSimilarity作为矩阵函数。
中的文本数据创建一个单词包模型sonnets.csv。
文件名=“sonnets.csv”;台= readtable(文件名,“TextType”,“字符串”);textData = tbl.Sonnet;文件= tokenizedDocument (textData);袋= bagOfWords(文档)
bag = bagOfWords with properties: Counts: [154x3527 double]词汇:["From" "fairest" "creatures" "we"…NumWords: 3527 NumDocuments: 154
从模型中得到字数矩阵。
M = bag.Counts;
的方法计算单词计数矩阵的余弦文档相似度cosineSimilarity函数。输出是一个稀疏矩阵。
相似性= cosineSimilarity (M);
在热图中可视化前五份文件的相似性。
图的热图(相似性(1:5,1:5));包含(“文档”) ylabel (“文档”)标题(“余弦相似性”)
接近1的分数表示高度相似。接近零的分数表示相似度较低。
输入参数
输出参数
版本历史
介绍了R2020a
你也可以从以下列表中选择一个网站: