摘要： 两篇文档是否相关往往不只决定于字面上的词语重复，还取决于文字背后的语义关联。对语义关联的挖掘，可以让我们的搜索更加智能化。本文着重介绍了一个语义挖掘的利器：主题模型。主题模型是对文字隐含主题进行建模的方法。它克服了传统信息检索中文档相似度计算方法的缺点，并且能够在海量互联网数据中自动寻找出....
分类：
其他好文 时间：
2015-04-25 13:36:03
阅读次数：
323
--input(path): 存储用户偏好数据的目录，该目录下可以包含一个或多个存储用户偏好数据的文本文件；--output(path): 结算结果的输出目录--similarityClassname (classname): 向量相似度计算类，可选的相似度算法包括CityBlockSimilari...
分类：
其他好文 时间：
2015-03-12 18:33:00
阅读次数：
152
范数和欧拉距离 ? ? ? 欧拉距离，在数学上也可以称为范数。 直线上两个点的距离是|x1-x2| 二范数即二维空间上两点间的距离公式 ??????????????????????????????????????...
分类：
其他好文 时间：
2015-01-29 17:53:55
阅读次数：
141
Kmeans算法是一种极为常见的聚类算法。其算法过程大意如下：（1）通过问题分析，确定所要聚类的类别数k；（一般是难以直接确定，可以使用交叉验证法等方法，逐步进行确定。）（2）根据问题类型，确定计算数据间相似性的计算方法；（3）从数据集中随机选择k个数据作为聚类中心；（4）利用相似度计算公式，计算每...
分类：
其他好文 时间：
2015-01-22 11:00:54
阅读次数：
244
图像相似度计算之直方图方法OpenCV实现！...
分类：
其他好文 时间：
2014-12-28 20:55:20
阅读次数：
1935
相似度计算
@author：wepon
@blog：http://blog.csdn.net/u012162613/article/details/42213883
《Machine Learning in Action》笔记，相似度计算，基于python+numpy。
在推荐系统中，我们需要计算两个物品的相似度，对于物品的描述，一般都可以量化为一个向量，于是两个物品之...
分类：
其他好文 时间：
2014-12-28 15:37:23
阅读次数：
168
我们在做数据系统的时候，经常会用到模糊搜索，但是，数据库提供的模糊搜索并不具备按照相关度进行排序的功能。现在提供一个比较两个字符串相似度的方法。通过计算出两个字符串的相似度，就可以通过Linq在内存中对数据进行排序和筛选，选出和目标字符串最相似的一个结果。本次所用到的相似度计算公式是 相似度=Kq*...
分类：
其他好文 时间：
2014-12-28 01:42:10
阅读次数：
135
在数据采集及大数据处理的时候，数据排重、相似度计算是很重要的一个环节，由此引入相似度计算算法。常用的方法有几种：最长公共子串（基于词条空间）、最长公共子序列（基于权值空间、词条空间）、最少编辑距离法（基于词条空间）、汉明距离（基于权值空间）、余弦值（基于权值空间）等，今天我们着重介绍最后两种方式。余...
分类：
编程语言 时间：
2014-12-25 01:23:26
阅读次数：
506
相似度的计算是数据挖掘与机器学习中的一个永恒的话题，为了能更好地理解与比较各种相似度计算的方法，能灵活运用到各种计算模型中，自己在研究机器学习之Mahout框架时，源代码中也实现了很多相似度计算方法，本文结合机器学习Mahout框架中各种相似度计算方法的实现，并且从代数角度和几何角度来理解相似度的计算方法。并阐述其优缺点，及自己的适用场景。本文通过总结和归纳，一共总结了9中距离测量方法，方法一到方法七是Mahout中完完本本实现了，其中前面是方面名，破折号后是Mahout中各方法实现的类名，本文结合Maho...
分类：
其他好文 时间：
2014-12-23 00:19:48
阅读次数：
1390
