輿情相似度計算

輿情相似度計算

輿情的屬性有以下：

domain 輿情發生領域

regions 輿情地域（可將全國劃分至5個區域，或十個以內）

opiniontype 輿情型別

mediatype 發布言論中各**類別所佔的比例

mediagrade 發布言論中各**類別所佔的比例

需要將前三個屬性轉換成數值型以便計算，以domain為例：

domain型別

編碼（xyz）

社會001

倫理010

教育100

這種編碼的好處是各個不同值之間的距離相等，相同值之間的距離為0.

如 社會與倫理的距離：2（按位相減，再取平方和）；

社會與教育的距離：2

社會與社會的距離：0

輿情a示例：

屬性真實值

編碼值domain

倫理010

regions

東部沿海（廣東）

00001

opiniontype

社會事件

001mediatype

30%  20%  20%  （10%）

30%  20%  20%  （10%）

mediagrade

30%  50%  （20%）

30%  50%  （20%）

距離度量可表示為:

x為輿情a的屬性向量，y為輿情b的屬性向量

相似度計算

從多個維度分析兩組資料的相似度，比如大的文字使用word2vec轉成向量，類別根據最大的類別數量n拆成n維0或1表示的vector，數值型別歸一化之後表示乙個維度，然後根據cos l1 l2等方式計算相似度 可以用於推薦系統 協同過濾等演算法 注意double值的精度處理 將向量根據座標值，繪製到向...

相似度計算

author wepon blog machine learning in action 筆記，相似度計算，基於python numpy。假如我們希望相似度的值在0 1之間，並且越相似，值越大，有哪些辦法？1 計算歐式距離，然後根據 相似度 1 1 距離 計算相似度。2 皮爾遜相關係數，在numpy...

相似度計算之余弦相似度

一 定義及概念 余弦取值範圍為 1,1 求得兩個向量的夾角，並得出夾角對應的余弦值，此余弦值就可以用來表徵這兩個向量的相似性。夾角越小，趨近於0度，余弦值越接近於1，它們的方向更加吻合，則越相似。當兩個向量的方向完全相反夾角余弦取最小值 1。當余弦值為0時，兩向量正交，夾角為90度。因此可以看出，余...