由于工作需要，我需要判断一篇文章是否是你喜欢的文章。
这涉及到文本分析，有一个简单的方法可供参考。向量空间模型（VSM）算法。
在该方法中，我们把一篇文章抽象成一个向量。
假设向量由n个词组成，每个词的权重是kn。假设文章D是你喜欢的文章，那么
如果维数很多，将来计算起来很麻烦，我们需要降维处理，所谓的降维就是，选出有代表性的特征词，这样就降低了维数。 可以人工选择。也可以自动选择，自动选择的话，可以采用开方拟和检验方法，如果有时间，我会在以后详细介绍该方法。
选择特征词后，就需要计算它的权重了，可以采用词频来计算，Term frequency TF = N/M M为文章的词数，N为该特征词出现的词数。 当然了，如果你选择的特征词是 “的” 这个很一般的词 ，我们还需要为其修正。计算Inverse documentfrequency 逆向文本频率，是用于衡量关键词权重的指数 IDF = log(D/Dw) (手画的公式，请多包涵。) 其中D为总文章数，Dw为关键词 出现过的文章数。
计算结束后，我们得出你喜欢的文章D = (w1,w2,w3....wm); 共有m个关键词，权重依次为w1,w2...wm。
2个多维向量的夹角余弦计算公式：cosθ =
编外的编外：向量空间模型（VSM）算法把一个语言的问题转化成了一个数学问题，这种思想非常的好，我们可以尝试着，把一些问题转化为数学问题，用数学的手段来解决。这就需要我们赋予问题，数学上的意义，例如本文，将文章赋予 多维向量的意义。
编外的编外的编外： 为啥那个你喜欢的文章我取名叫D? 有没有看过《吸血鬼猎人D》主角的名字就叫做D，他是吸血鬼王和人类女人的儿子，所以不怕阳光，还有吸血鬼的能力，专门猎杀吸血鬼，而且永远不老。超酷的动画电影，画风精致。
