Lucene 中查询和文档之间的余弦相似度
我想获得长查询和集合中的文档之间的余弦相似度。我使用 Lucence 来索引集合并提交查询来检索文档。 但是，对于某些查询，我收到以下错误。 "Caused b…
Python和tfidf算法，让它更快吗？
我正在使用 Python 在 Web 应用程序中实现 tf-idf 算法，但是它运行速度非常慢。我基本上做的是： 1）创建2个字典： 第一个字典：键（文档ID），值（…
如何使用 TF-IDF 权重对相关性进行排名？
我有一组关键术语，并计算了 TF-IDF 权重以及每个术语的标签频率和术语计数，并保存在数据库中。 给定一个单数术语，如何使用这些 DB 值生成一组相关…
返回向量空间模型中表示的相似文档的算法
我有一个包含大约 30,000 个文档的 tf-idf 向量的数据库。 我想为给定的文档返回一组类似的文档 - 大约 4 个左右。 我考虑过在数据上实现 K-Means（聚…
在 Lucene 中，我可以搜索一个索引但使用另一个索引中的 IDF 吗？
我正在构建一个系统，我只想显示过去几天索引的结果。 此外，如果我只想返回几天的结果（数千个文档），我不想维护包含一百万个文档的巨型索引。 另一…
Java API：下载并计算给定网页的 tf-idf
我是红外技术的新手。 我正在寻找一个基于 Java 的 API 或工具来执行以下操作。 下载给定的一组 URL 提取标记 删除停用词 执行词干分析 创建倒排索引 …
