主要为大家详细介绍了TF-IDF与余弦相似性的应用，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

TF-IDF与余弦相似性的应用（一）：自动提取关键词 这个标题看上去好像很复杂，其实我要谈的是一个很简单的问题。 有一篇很长的文章，我要用计算机提取它的关键词（Automatic Keyphrase extraction），完全不加以人工干预，请问怎样才能正确做到？ 这个问题涉及到数据挖掘、文本处理、信息检索等很多计算机前沿领域，但是出乎意料的是，有一个非常简单的经典算法，可以给出令人相当满意的结果。它简单到都不需要高等数学，普通人只用10分钟就可以理解，这就是我今天想要介绍的TF-IDF算法

TF-IDF（term frequency–inverse document frequency）是一种用于信息检索与数据挖掘的常用加权技术。 同样，理论我这里不再赘述，因为和阮一峰大神早在2013年就将TF-IDF用一种非常通俗的方式讲解出来 TF-IDF与余弦相似性的应用（一）：自动提取关键词 材料 1.语料库（已分好词） 2.停用词表（哈工大停用词表） 3.python3.5 语料库的准备 这里使用的语料库是《人民日报》2015年1月16日至1月18日的发表的新闻。并且在进行TFI

上一次，我用TF-IDF算法自动提取关键词。 今天，我们再来研究另一个相关的问题。有些时候，除了找到关键词，我们还希望找到与原文章相似的其他文章。比如，”Google新闻”在主新闻下方，还提供多条相似的新闻。 为了找出相似的文章，需要用到”余弦相似性”（cosine similiarity）。下面，我举一个例子来说明，什么是”余弦相似性”。 为了简单起见，我们先从句子着手。 　　句子A：我喜欢看电视，不喜欢看电影。 　　句子B：我不喜欢看电视，也不喜欢看电影。 请问怎样才能计算上面两句