向量空间模型(VSM)的余弦定理公式(cos)

相信很多学习向量空间模型(Vector Space Model)的人都会被其中的余弦定理公式所迷惑..

因为一看到余弦定理,肯定会先想起初中时的那条最简单的公式cosA=a/c(邻边比斜边),见下图:

但是,初中那条公式是只适用于直角三角形的,而在非直角三角形中,余弦定理的公式是:

cosA=(c² + b² - a²)/2bc

不过这条公式也和向量空间模型中的余弦定理公式不沾边,迷惑..

引用吴军老师的数学之美系列的余弦定理和新闻的分类里面的一段:

-------------------引用开始分界线------------------------

假定三角形的三条边为 a, b 和 c，对应的三个角为 A, B 和 C，那么角 A 的余弦

如果我们将三角形的两边 b 和 c 看成是两个向量，那么上述公式等价于

其中分母表示两个向量 b 和 c 的长度，分子表示两个向量的内积。

举一个具体的例子，假如新闻 X 和新闻 Y 对应向量分别是x1,x2,...,x64000 和y1,y2,...,y64000,

那么它们夹角的余弦等于

-------------------引用完毕分界线------------------------

高中那条公式又怎么会等价于向量那条公式呢?

原来它从高中的平面几何跳跃到大学的线性代数的向量计算..

关于线性代数中的向量和向量空间,可以参考下面两个页面:

Egwald Mathematics: Linear Algebra

Linear Algebra: Direction Cosines

在线性代数的向量计算的余弦定理中,

* 分子是两个向量的点积(wiki),点积的定理和计算公式:

The dot product of two vectors a = [a₁, a₂, … , a_n] and b = [b₁, b₂, … , b_n] is defined as:

点积(dot product),又叫内积,数量积..(Clotho注: product常见的是产品的意思,但在数学上是乘积的意思.)

* 分母是两个向量的长度相乘.这里的向量长度的计算公式也比较难理解.

假设是二维向量或者三维向量,可以抽象地理解为在直角坐标轴中的有向线段,如图:

d² = x² + y² -> d = sprt(x² + y²)

d² = x² + y² + z² -> d = sprt(x² + y² + z²)

三维以上的维度很难用图来表示,但是再多维度的向量,也仍然可以用这条公式来计算:

d_n² = x₁² + x₂² + .. + x_n² -> d_n = sprt(x₁² + x₂² + .. + x_n²)

在文本相似度计算中,向量中的维度x₁,x₂..x_n其实就是词项(term)的权重,一般就是词项的tf-idf值.

而这条看上去很抽象的公式,其实就是为了计算两篇文章的相似度.

文本相似度计算的处理流程是:

1.对所有文章进行分词

2.分词的同时计算各个词的tf值

3.所有文章分词完毕后计算idf值

4.生成每篇文章对应的n维向量(n是切分出来的词数,向量的项就是各个词的tf-idf值)

5.对文章的向量两篇两篇代入余弦定理公式计算,得出的cos值就是它们之间的相似度了

转载于:https://www.cnblogs.com/live41/archive/2009/12/30/1635786.html

向量空间模型(VSM)的余弦定理公式(cos)相关推荐

【转载】向量空间模型VSM及余弦计算
向量空间模型VSM及余弦计算向量空间模型的基本思想是把文档简化为以特征项(关键词)的权重为分量的N维向量表示. 这个模型假设词与词间不相关(这个前提造成这个模型无法进行语义相关的判断,向量空间模型的 ...
vsm java_向量空间模型(VSM)在文档相似度计算上的简单介绍
C#实现在: 向量空间模型(VSM:Vector space model)是最常用的相似度计算模型,在自然语言处理中有着广泛的应用,这里简单介绍一下其在进行文档间相似度计算时的原理. 假设共有十个词: ...
向量空间模型(VSM)在文档相似度计算上的简单介绍
向量空间模型(VSM:Vector space model)是最常用的相似度计算模型,在自然语言处理中有着广泛的应用,这里简单介绍一下其在进行文档间相似度计算时的原理. 假设共有十个词:w1,w2 ...
向量空间模型(VSM)--用于计算文本相似度
向量空间模型将文档映射为一个特征向量V(d)=(t1,ω1(d):-:tn, ωn(d)),其中ti(i=1,2, -,n)为一列互不雷同的词条项,ωi(d)为ti在d中的权值, 一般被定义为ti在d ...
向量空间模型VSM—特征抽取算法—TF-IDF
原文作者:lucky小东西原文地址:基于tf-idf的小说主题特征抽取算法 1.主题特征抽取做什么在当前个性化推荐大行其道的时候,那就不得不提用户画像.用户画像的主要工作内容就是将用户标签化,对 ...
向量空间模型（VSM）的余弦定理公式（用余弦定理来表示向量之间的相似度）
参考:http://blog.sina.com.cn/s/blog_5caa94a0010122dz.html 在文本挖掘中计算2篇文章相似度常用向量空间模型中的余弦定理公式判断. 1. 向量空间模 ...
向量的夹角余弦公式_向量空间模型（VSM）的余弦定理公式（用余弦定理来表示向量之间的相似度）...
相信很多学习向量空间模型(Vector Space Model)的人都会被其中的余弦定理公式所迷惑.. 因为一看到余弦定理,肯定会先想起初中时的那条最简单的公式cosA=a/c(邻边比斜边),见下图: ...
大数据入门10：向量空间模型（Vector Space Model）
文章目录向量空间模型(Vector Space Model) 0. 概述 1. TF(Term frequency ,TF) 2. IDF(Inverse document frequency,ID ...
spacevector=[] matlab,向量空间模型(vectorspacemodel)
向量空间模型(vector space model) 向量空间模型概念简单,把对文本内容的处理简化为向量空间中的向量运算,并且它以空间上的相似度表达语义的相似度,直观易懂.当文档被表示为文档空间的向量 ...

向量空间模型(VSM)的余弦定理公式(cos)

向量空间模型(VSM)的余弦定理公式(cos)相关推荐

最新文章

热门文章