文本相似度度量

文本相似度度量就是衡量兩個文本相似度的算法。主要包括兩個步驟：將文本表示爲向量（文本表示）；衡量兩個向量的相似度（相似度度量）。 1 文本表示 文本表示也包括兩部分：文本切分粒度（按什麼粒度切分得到文本特徵），如何構造特徵（如何將文本特徵轉化成數值特徵）。 1.1 文本切分粒度 可以按照字，詞，n-gram對文本進行切分；當文本是長文本時，也可以利用主題模型提取關鍵詞，來減少詞的維度。 1.2 文

>>阅读原文<<