TF-IDF
零：寒暄寒暄
昨天看了一天的CNN，結果被深度學習的深度給深深地深刻地深埋了（是歎服了），今天想換換腦子，去綜結一下之前學習的《數學之美》裡面介紹的算法和數學，下一篇再搞幾篇深度學習的學習筆記。
手裡沒機器，慢慢先學習，等我回國了再搞機器。
一：深入淺出
現在，我有兩篇文檔，如何計算兩篇文檔的相似程度的呢？
是以，這兩句話變成了兩個向量，每個元素是詞語出現的個數，現在問題就變成了兩個向量之間的相似性對比，那麼就可以用到餘弦定理了。
兩個向量之間的夾角越小，那麼兩個向量之間的方向越相近，也相似。計算式如下：
餘弦值越接近1，就表明夾角越接近0度，也就是兩個向量越相似，這就叫"餘弦相似性"。
二：拓展
上面是講了兩句話的相似性，我們隻能計算詞頻，但是對于文章我們還可以計算出，IDF值的話，我們就會用TF-IDF值找出兩篇文章的相似性。截取每篇文章前N個關鍵詞詞語，組成一個集合（TF運算去除了文章的長短差異），根據這個集合，生成兩個文章的代表向量，每個元素是TF-IDF值，最後就用餘弦相似性進行運算。