R 中文文本相似度分析求解答

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

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。。。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：求解答 相似度 Document jiebaR DOCUME 中文 词典 如何