求教。
大神提出解决方案后小弟愿用100论坛币略表心意。 不发悬赏贴是因为上次的悬赏贴至今没有好的回答,但悬赏的论坛币不知道怎么拿回来。 顺便问下,这种情况如何拿回论坛币?
做文本相似度分析,相关的方法有simhash、余弦相似度等。现在初步想用余弦相似度的方法。
基本步骤是分词——向量化(我想采用TF-IDF方法)——求相似度。现在分词用的jiebaR,但是如何构建TermDocumentMatrix矩阵?
tm和text2vec都有构建TermDocumentMatrix的函数,但是这些函数都是用自带的引擎分词,对中文支持不好,且不方便导入自定义词典。
我想做的是:用jiebaR分词,再向量化(构建TermDocumentMatrix矩阵),再用TF-IDF赋权,最后计算余弦相似度
现在用jiebaR分词后,后面的不知道怎么做了。。。