我正在尝试使用 Python 中的 bool 模型创建一个查询-回答系统。
我尝试使用 nltk,但它似乎没有 bool 模型的函数
我有 3 个文档,我希望看到哪些文档与数值更相似。
例如 doc1 2.987、doc2 0.876 和 doc3 2.156 因此 doc1 和 doc2 是相似的
我做了什么:
- 标记化文档
- 删除了重复的单词
- 删除停用词
我现在拥有的是每个文档的唯一单词列表(基本上是名词、动词、副词和形容词)
下一步是什么?
请您参考如下方法:
删除停用词可能很有用。您可以查找称为余弦相似度的术语。基本上它可以用于机器学习。它可用于查找文档之间的相似性。你可以找Scikit在 python 中。如果您想使用它,您可以选择。但是这里有一些教程解释了如何计算这种余弦相似度。
也可以看看这个问题
Python: tf-idf-cosine: to find document similarity
希望对你有帮助:)
