关于余弦相似度

Question

我发现文档之间的余弦相似度..我这样做

D1=(8,0,0,1) 其中 8,0,0,1 是术语 t1, t2, t3 , t4

D2 的 tf-idf 分数=(7,0,0,1)

cos(theta) = (56 + 0 + 0 + 1) / sqrt(64 + 49) sqrt(1 +1 )

得出

cos(theta)= 5

现在呢我是否根据这个值进行评估...我不明白 cos(theta)=5 表示它们之间的相似性是什么...我做的事情正确吗？

Answer 1

分母是错误的。

余弦相似度 定义为

         D1 · D2
 sim = ———————————
        |D1| |D2|

Here

D1 · D2 = (7*8 + 0*0 + 0*0 + 1*1) = 57
           ______________________    __
   |D2| = √ 7^2 + 0^2 + 0^2 + 1^2 = √50
           ______________________    __
   |D1| = √ 8^2 + 0^2 + 0^2 + 1^2 = √65

所以相似度应该是 (57 / √(50 * 65 )) = 0.999846142，而不是 5。