數學之美：餘弦定理和新聞分類

新聞特徵向量： 和前面一樣，顯然衡量兩個新聞的相似性要根據新聞中的詞的相似性。如果兩個新聞中出現相同的詞較大，相似的可能性就較大。當然這其中的類似於「的」的詞應該佔據較小權重。這就和我們前面提到的度量關鍵詞和網頁相關性問題非常相似。TF-IDF應該是個不錯的算法。 我們應該建立一個字典，然後根據TF-IDF算法對字典中每個詞賦予權重，形成如下特徵向量，向量中每一項代表這個詞對當前文章的貢獻度： 顯

>>阅读原文<<