我正在尝试使用胡萝卜确定两个文档之间的相似性。是否有可能直接从框架中获得这种相似性?
此外,我一直在研究 tf-idf 矩阵,并意识到行对应于词干的所有单词和文档的列。但是,如何识别哪个文档对应于哪个列?
例如,假设一个文档列表,列顺序将是列表中文档的顺序?
前任:
列表文档 = {doc1, doc2, doc3}
和
列 0 = 文档 1列伦 1 = 文档 2
。
这是吗?
Carrot2 不使用文档-文档相似性的传统概念,因此您不会在那里找到它。您确实可以使用术语-文档矩阵来计算各种文档-文档相似性。
假设术语文档矩阵的列与输入列表中的文档顺序相同,这是正确的。您可以检查源代码以消除任何其他疑问。