基于WordNet的路径相似度
WordNet是一个广为人知的英语词汇数据库，其中包含了大量的单词和它们之间的关系。在自然语言处理中，WordNet可以用于词义相似度计算，其中一种常用的方法是基于WordNet的路径相似度。
路径相似度是通过计算两个词语在词汇网络中的最短路径长度来衡量它们的语义相似度。路径越短，两个词语的语义相似度越高。在WordNet中，每个词语都可以表示为一个有向无环图的
原创
2023-07-06 12:26:30
293阅读
wordnet中计算相似度的几种方法
原创
2021-07-09 14:51:46
1083阅读
wordnet中计算相似度的几种方法
原创
2022-01-25 15:31:59
837阅读
一、推荐系统简介推荐系统主要基于对用户历史的行为数据分析处理，寻找得到用户可能感兴趣的内容，从而实现主动向用户推荐其可能感兴趣的内容；从物品的长尾理论来看，推荐系统通过发掘用户的行为，找到用户的个性化需求，从而将长尾商品准确地推荐给需要它的用户，帮助用户发现那些他们感兴趣但很难发现的商品。推荐系统使用的是基于邻域的算法，一类是基于用户的协同过滤算法，另一类是基于物品的协同过滤算法；二、数据集准备我
转载
2023-08-04 18:16:13
95阅读
1.定义及计算公式 余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性"。我们知道，对于两个向量，如果他们之间的夹角越小，那么我们认为这两个向量是越相似的。余弦相似性就是利用了这个理论思想。它通过计算两个向量的夹角的余弦值来衡量向量之间的相似度值。余弦相似性推导公式如下：2.文
转载
2023-10-31 23:23:58
59阅读
一. 余弦相似度算法基本概念 余弦相似度算法：一个向量空间中两个向量夹角间的余弦值作为衡量两个个体之间差异的大小，余弦值接近1，夹角趋于0，表明两个向量越相似，余弦值接近于0，夹角趋于90度，表明两个向量越不相似。二. 向量基本知识点 1 向量乘积公式 2 向量模计算公式三.&
转载
2023-08-04 12:46:24
583阅读
在教育领域，追踪学习者的学习行为活动是分析学习者学习的一种有效的处理方式，这里处理一批url，通过处理URL形成相似度矩阵，再进一步进行聚类，及以后的相关处理。 计算两个文本间（这里的文本指两个url）的相似度有多种方法，在NLP领域一版处理文本文件相似度，常用docsim/doc2vec/LSH比较两个文档之间的相似度，通过jieba分词然后使用上面的相关算法计算某一句话或者某一段话在文本中和它
转载
2024-03-22 14:37:32
244阅读
轨迹相似度衡量任务背景&应用：随着物联网设备和定位技术的发展，会产生许多时空相似度很高的轨迹，例如：对于单个个体：其轨迹可能会被多个定位系统所采集，比如当你驾驶汽车在高速上行驶，手机或汽车的GPS、路边的监控摄像头，以及经过的收费站等都会记录你的位置信息，生成多条轨迹。对于多个个体：比如你的朋友和你结伴出行，生成的两条轨迹也是相似度很高的。本文研究的方向就是设计一种方法来度量两条轨迹之间的
转载
2023-12-08 12:59:31
269阅读
catalogue 1. TF-IDF
2. 基于空间向量的余弦算法
3. 最长公共子序列
4. 最小编辑距离算法
5. similar_text
6. local sensitive hash 局部非敏感哈希
7. SSDEEP Hash
8. K-means聚类算法
9. 二分K-means算法 1. TF-IDFRelevant Link: http://qianxunni
一、聚类聚类：物以类聚，人以群分，是无监督学习中的一种。 没有y，只有x，把不同的x根据相似度自动的聚成好多堆儿 本质上，N个样本，映射到K个簇中，每个簇中至少含有一个样本，一个样本只属于一个簇 最基本：先给定一个初始划分，迭代改变样本和簇的隶属关系，每次都比前一次好二、相似度用于场景Ⅰ，系统推荐两点在二维空间距离公式： 两点在三维空间距离公式： 闵可夫斯基距离公式： 当p=2时，即为欧氏距离；当
转载
2023-10-26 22:46:29
150阅读
相似度算法余弦相似度余弦距离，也称作余弦相似度，使用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小度量 余弦值越接近于1，就表明夹角越接近0度，也就是两个向量越接近，这就叫做余弦相似性计算方法 计算夹角， 1.直角三角形计算是cos=a/b 临边比对边 2.非直角三角形计算公式为： 3.向量表示的三角形中，向量a和向量b的夹角余弦计算如下： 4.如果向量a,b不是二维，二是n维，方法依
转载
2023-11-08 21:15:50
396阅读
在当今的信息爆炸时代，如何准确理解文本之间的相似性成为了一个迫切的需求。Python作为一门强大的编程语言，凭借其丰富的机器学习和自然语言处理库，可以有效地解决基于语义相似度的问题。语义相似度主要用于文本检索、信息推荐和自然语言理解等多个领域。
> **引用块（权威定义）**
> 语义相似度是计算文本在语义上多么相似的一种方法，主要应用于搜索引擎、推荐系统以及语言模型等领域。
### 技术演进
在自然语言处理(Natural Language Processing, NLP)中，经常会涉及到如何度量两个文本的相似度问题。在诸如对话系统(Dialog system)和信息检索(Information retrieval)等的问题中，如何度量句子或者短语之间的相似度尤为重要。为方便对知识的梳理，写下这篇博客对部分传统方法、词向量、深度学习方法进行总结，遗漏之处还请大家补充。 度量文
转载
2024-05-22 17:04:37
164阅读
文章目录直方图比较直方图比较方法相关性比较（CV_COMP_CORREL）卡方计算（CV_COMP_CHISQR）十字计算（CV_COMP_INTERSECT）巴氏距离计算(CV_COMP_BHATTACHARYYA)直方图计算直方图比较APICode效果 直方图比较1、直方图比较方法； 2、相关API； 3、代码演示；直方图比较方法1、直方图比较方法用来衡量两张图片之间的相似程度； 2、比较方
转载
2023-12-14 01:02:55
311阅读
前文介绍了协同过滤算法和基于内容的推荐算法协同过滤算法要求要有很多用户，用户有很多操作基于内容的推荐算法用户可以不用很多，但是用户的操作也要有很多但是，如果要推荐给新用户（用户的操作不多），应该要怎样推荐呢？这里就要用到相似性推荐了相似性推荐定义：对于新用户A，没有ta的历史行为数据，在ta点击了item-X的场景下，可以将与item-X最相似的item集合推荐给新用户A。问题转化为，如何用一种通
转载
2023-10-06 17:23:28
82阅读
印章检测流程：利用深度神经网络，提取印章深度特征，同时学习印章之间的相似度，自己与自己相似，自己与其它不相似。1. Siamese网络Siamese网络是一种常用的深度学习相似性度量方法，它包含两个共享权重的CNN网络(说白了这两个网络其实就是一个网络，在代码中就构建一个网络就行了)，将两个输入映射到同一特征空间，然后计算它们的距离或相似度一一使用共享的卷积层和全连接层，输出特征向量表示
原创
精选
2023-10-24 20:47:57
401阅读
Vector Space Model，简称VSM）和余弦相似度计算相关知识。
这篇文章主要是先叙述VSM和余弦相似度相关理论知识，然后引用阮一峰大神的例子进行解释，最后通过Python简单实现百度百科和互动百科Infobox的余弦相似度计算。
一. 基础知识 第一部分参考我的文章:
图像匹配的方法主要分为基于灰度值相关和基于特征提取。基于像素匹配： 基于灰度值相关的方法直接对原图和模板图像进行操作，通过区域属性（灰度信息或频域分析等）的比较来反映他们之间的相似性。基于灰度的图像匹配具有速度、定位精度、误差估计等数据的输出。但是这种方式普遍存在的缺陷是时间复杂度高、对比图像尺寸敏感等。原理： NCC是一基于灰度相关的算法，具有不受比例因子误差影响和抗白噪干扰能力等优
转载
2024-01-05 16:49:27
622阅读
NLP文本相似度相似度度量：计算个体间相似程度jieba：Python的第三方库，用于自然语言处理，对文本进行分词。gensim：利用 TF-IDF 算法来进行文本相似度计算。处理思路： jieba 进行分词，整理为指定格式，利用 gensim 库将要对比的文档通过 doc2bow 转换成稀疏向量，再通过 models 中的 TF-IDF 将语料库进行处理，特征值和稀疏矩阵相似度建立索引，来得到最
转载
2023-10-11 08:30:46
231阅读
一、问
原创
2023-01-17 07:15:34
213阅读
