推薦（recommended）
介紹好的人或事物，希望被任用或接受。在目前的資料探勘領域，
推薦包括相似推薦以及協同過濾推薦。
相似推薦（similar recommended）
當使用者表現出對某人或者某物感興趣時，為它推薦與之相類似的人，或者物，
它的核心定理是：人以群分，物以類聚。
library(tm)
library(tmcn)
library(rwordseg)
docs <- corpus(
dirsource(
c("sogouc.mini/sample/c000007", "sogouc.mini/sample/c000008",
"sogouc.mini/sample/c000010", "sogouc.mini/sample/c000013",
"sogouc.mini/sample/c000014", "sogouc.mini/sample/c000016",
"sogouc.mini/sample/c000020", "sogouc.mini/sample/c000022",
"sogouc.mini/sample/c000023", "sogouc.mini/sample/c000024")),
readercontrol = list(
language='utf-8'
))#移除空白
docs <- tm_map(docs, stripwhitespace)
#移除標點
docs <- tm_map(docs, removepunctuation)
docs <- tm_map(docs, content_transformer(segmentcn), returntype="tm")
tdm <- documenttermmatrix(
docs,
control = list(
wordlengths= c(1, 4),
stopwords = stopwordscn()
))tf <- as.matrix(tdm)
#使用矩陣的方式計算
cosinedist <- function(x)
cossimilar <- cosinedist(tf)
cosinedist <- function(textmatrix)
for(j in (i+1)
:nrow(textmatrix))
} return(cossimilar)
}cossimilar <- cosinedist(tf)
return(order(col, decreasing=true)[2:6]);
}) return(names(col)[order(col, decreasing=true)[2:6]]);
})
R中如何利用余弦演算法實現文章的自動摘要
演算法步驟 獲取到需要摘要的文章 對該文章進行詞頻統計 對該文章進行分句 根據中文的標點符號，一般我們採用。進行分句 計算分句與文章之間的余弦相似度 實現 library tm library tmcn library rwordseg docs dirsource c sogouc.mini sa...
python結巴分詞余弦相似度演算法實現
附上 coding utf 8 from jieba import posseg import math import time def simicos str1,str2 對兩個要計算的字串進行分詞,使用隱馬爾科夫模型 也可不用 由於不同的分詞演算法,所以分出來的結果可能不一樣 也會導致相似度會有...
文字相似度 自己實現文字相似度演算法（餘弦定理）
最近由於工作專案，需要判斷兩個txt文字是否相似，於是開始在網上找資料研究，因為在程式中會把文字轉換成string再做比較，所以最開始找到了這篇關於 距離編輯演算法 blog寫的非常好，受益匪淺。於是我決定把它用到專案中，來判斷兩個文字的相似度。但後來實際操作發現有一些問題 直接說就是查詢一本書中的...