基于关键字的最近邻居算法或库

| 我想找到一个库或一种算法（所以我自己写代码）来标识该网页的最近k个邻居，其中该网页被定义为一组关键字。我已经完成了提取关键字的部分。 它不必非常好，也可以足够好。 任何人都可以提出解决方案或从哪里开始。过去，我浏览过Yury Lifshits的演讲，但我希望尽可能地准备一些现成的东西。 首选Java库。     
2019-12-30 2 条评论
分享

没有找到相关结果

    已邀请:

    旅牢斯讲

    如您所说，您已经从页面中提取了关键字。我假设您用单词向量表示每个文档/页面。类似于文档项-频率矩阵。 我猜想页面的最近邻居最好是内容相似的页面。因此，您想查找每个单词的相对频率与您要搜索的单词相似的文档。因此，首先对每行的文档项矩阵WRT进行归一化；即用％tage发生次数代替发生次数。 接下来，您必须在这些向量表示的2个文档之间分配一些距离。您可以使用普通的欧几里得距离或曼哈顿距离。但是对于文本文档，通常最有效的相似度度量是余弦相似度。使用适合您问题的任何距离或相似性函数（记住要使距离最小化但最大化相似性的最近邻居）。 一旦向量和距离函数就位，请运行最近邻居或K最近邻居算法。     
    2019-12-30 0 0
    分享
    为什么被折叠? 0 个回复被折叠

    要回复问题请先登录或注册

    或代码 OrCode.com 备案号：粤ICP备15020848号-1
    Escape time: 0.042556047439575