У меня есть набор файлов и запрос doc.Мой целью является возвращение наиболее похожих документов путем сравнения с документом запроса для каждого документа. Чтобы использовать косинус-сходство, сначала мне нужно сопоставить строки документа с векторами. Также я уже создал функцию tf-idf, которая вычисляет для каждого документа.Вернуть наиболее похожий документ по сравнению с документом запроса, используя сходство с косинусом в python
Чтобы получить индекс строк, у меня есть такая функция;
def getvectorKeywordIndex(self, documentList):
""" create the keyword associated to the position of the elements within the document vectors """
#Mapped documents into a single word string
vocabularyString = " ".join(documentList)
vocabularylist= vocabularyString.split(' ')
vocabularylist= list(set(vocabularylist))
print 'vocabularylist',vocabularylist
vectorIndex={}
offset=0
#Associate a position with the keywords which maps to the dimension on the vector used to represent this word
for word in vocabularylist:
vectorIndex[word]=offset
offset+=1
print vectorIndex
return vectorIndex,vocabularylist #(keyword:position),vocabularylist
и для сходства с косинусом моя функция такова;
def cosine_distance(self,index, queryDoc):
vector1= self.makeVector(index)
vector2= self.makeVector(queryDoc)
return numpy.dot(vector1, vector2)/(math.sqrt(numpy.dot(vector1, vector1)) * math.sqrt(numpy.dot(vector2, vector2)))
TF-IDF is;
def tfidf(self, term, key):
return (self.tf(term,key) * self.idf(term))
Моя проблема заключается в том, что, как я могу создать makevector, используя индекс и словарный список, а также тс-IDF внутри этой функции. Любой ответ приветствуется.