1回答
我想计算一个需要X，Y，Z技能的开放式职位与W，T，L级别的专业知识(熟练程度)和不同的员工之间的相似性。但并不是所有的员工都有X，Y，Z技能，所以如果技能不存在，我们需要加一个0……我没有工作，因为当角色和员工都有技能时，我只是匹配。有什么想法吗？
浏览 3提问于2017-02-20得票数 0
我试图找出两个文档，即'document_1‘和'document_2’之间的相似性。我正在使用Doc2Vec Gensim的来寻找相似性评分。score = model.docvecs.similarity_unseen_docs(trainedModel, document_1, document_2)分数为负值的地方这里，document_1和document_2是NLTK的word_tokenize()的结果。
当
浏览 2提问于2019-11-15得票数 0
假设您有一个单词向量，表示单词queen。根据最相似单词的投影权重向量的简单平均值和向量皇后+皇后之间的余弦相似性，将x视为与向量皇后+皇后最相似的单词。
用同样的方法认为y是与向量皇后+皇后+皇后最相似的词。那么x、y和queen这三个词之间的语义关系是什么呢？我知道这些向量在向量内
浏览 0提问于2018-07-31得票数 1
回答已采纳
2回答
给出一些向量v，我想得到另一个随机向量w，v和w之间有一些余弦相似性，有没有办法在python中得到这个？
示例:为了简单起见，我将使用v3，-4的2D向量。我想得到余弦相似度为60%或+ 0.6的随机向量w。这应该生成具有值0.875、3的向量w或具有相同余弦相似度的任何其
浏览 48提问于2018-10-21得票数 2
回答已采纳
1回答
创建相似矩阵
、、、
我有一个训练集和一个向量测试集。所有的向量都有标记。我用余弦距离来计算向量中元素之间的相似性。在图中，我们可以看到在测试集的6个向量和训练集的18个向量的子集中应用余弦距离相似性的</
浏览 0提问于2017-09-15得票数 1
回答已采纳
1回答
当文档长度非常不同时(例如，文档长度从500字到2500字不等)，我搜索了关于规范tf等级的网页。
我发现的唯一的规范化讨论是将术语频率除以文档的长度，从而导致文档的长度没有任何意义。但是，这种方法对tf的规范化来说是非常糟糕的方法。如果有的话，这会导致每个文档的tf等级有很大的偏差(除非所有文档都是从几乎相同的字典中构造的，而使用tf-国防军时则不是这样)。例如，让我们拿两个文件
浏览 2提问于2016-09-26得票数 10
回答已采纳
在数学中，向量具有大小和方向。然而，余弦公式仅适用于向量。对于表示为向量的文档，方向在哪里？
浏览 0提问于2020-05-17得票数 1
1回答
我有一份文件清单，我正在寻找( a)副本；( b)非常相似的文件。为此，我将采取以下行动：计算向量嵌入之间的余弦相似度(下面的代码)。我得到的所有余弦相似值都在0到1之间，为什么呢？我不应该也有负值因为相似值吗？句子嵌入既有积极因素，也有消极因素。
浏览 0提问于2021-09-07得票数 4
回答已采纳
讨论如何计算两个向量的相似性。首先讨论了欧氏距离的计算，然后讨论了余弦相似度。它说，当语料库的大小不同时，余弦相似性更有意义。这实际上是与给在这里相同的解释。但是，我不明白为什么我们不能根据语料库的大小来缩放向量。例如，在链接问题的示例中：
用户2购买了100倍鸡蛋、1
浏览 0提问于2022-09-13得票数 12
回答已采纳
看起来，两个特征的余弦相似性仅仅是它们的点乘积，它们的大小的乘积。余弦相似性是什么时候比点积更好的距离度量？也就是说，在不同的情况下，圆点乘积和余弦相似性是否有不同的优缺点？
浏览 0提问于2014-07-15得票数 80
回答已采纳
如果我有3个嵌入Anchor, Positive, Negative从一个暹罗模型训练欧几里得距离作为三重子损失的距离度量。
在推理过程中可以使用余弦相似度吗？我注意到，如果用A，P，N模型计算欧氏距离，结果在大多数情况下似乎与匹配图像的距离变小，而非匹配图像的距离更大是一致的。如果我在上面的嵌入中使用余弦相似性，我无法区分(A, P)和(A, N)之间的相似值，或者对于不同的图像，一个值似乎更高，
浏览 0提问于2022-02-16得票数 1
1回答
我使用表示产品用户购买行为的IndexedRowMatrix，为了构建产品推荐，我使用余弦相似度来计算产品之间的相似性。PySpark提供了一个名为columnSimilarities()的函数。我的问题是，在使用columnSimilarities()之前，是否需要规范每个产品的向量？我读过关于归一化和余弦相似的文章，并且理解余弦相似已经对<e
浏览 0提问于2018-11-19得票数 3
1回答
我正在使用传播激活来获得与给定概念相关的概念。如果我想计算“伦敦”和“巴黎”之间的相似度，我会得到两个向量，如下所示：Paris : 1.0Capital : 0.7
France问题是向量可以有不同的长度。在这种情况下，可以使用什么相似性度量？据我所知，余弦测度只能应用于具有相同大小的向
浏览 5提问于2011-04-14得票数 0
在计算单词之间的相似度时，cosine相似度或距离是在字向量上计算的。为什么其他的距离度量，如欧几里德距离，不适合这个任务。
让我们考虑两个向量a和b。其中，a = [-1,2,-3]和b = [-3,6,-9]，这里的b = 3*a，也就是，这两个向量有相同的方向，但大小不同。a和b的余弦相似性为1，表明它们是一致的<
浏览 0提问于2020-09-03得票数 9
回答已采纳
我正在试图计算两个文档之间的相似性，这两个文档由数千个句子组成。但是，我想捕捉文档之间更多的语义差异。因此，我通过简单地平均每个文档中的所有单词向量，生成文档向量，并度量这些文档向量之间的余弦相似度，从而构建了文档嵌入和计算文档相似度。然而，由于每个输入文档的大小相当大，我使用上述方法得到
浏览 0提问于2018-11-25得票数 2
回答已采纳
2回答
我有一个包含5000项(行)和2048个特性(列)的dataframe。PS:，我可以将这个新向量</
浏览 7提问于2019-11-26得票数 0
2回答
我有一个模型，它表示多维向量空间中的文档集合。例如，对于100 k文档，我的模型以300维向量的形式表示它们。最后，我得到了一个大小为[100K, 300]的矩阵。为了根据给定查询的相关性检索这些文档，我执行矩阵乘法。例如，我将给定的查询表示为[300, 1]。然后，利用矩阵乘法得到余弦相似度分数如下：[100K, 300]*[300, 1] = [100K, 1]。现在，如何从这个具有</
浏览 4提问于2020-05-14得票数 0
回答已采纳
我使用了不同的相似度矩阵，如欧几里得、曼哈顿和余弦，当我使用余弦相似度时，Dunn指数为负值。我读到过邓恩指数的取值范围从0到无穷大。使用余弦相似度计算Dunn指数是正确的吗？
浏览 94提问于2019-06-12得票数 1
回答已采纳
1回答
我试图建立一个基于内容的推荐系统，使用包字模型。下面的教程使用大小向量( 4000 , 5000 )上的sklearn库的余弦相似性，其中4000是dataset中的行数，5000是特性的数量。contain all the tags (eg: location, genre) based on which recommendation will be performed
但是，当我试图在另一个具有94955行<em
浏览 9提问于2022-09-07得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
