地址：https://en.wikipedia.org/wiki/Okapi_BM25Ininformation retrieval,Okapi BM25(BM stands for Best Matching) is aranking functionused bysearch enginesto...
分类：
编程语言 时间：
2015-06-15 18:14:06
阅读次数：
1356
该Similarity 实现了 divergence from randomness（偏离随机性）框架,这是一种基于同名概率模型的相似度模型.该 similarity有以下配置选项:basic_model– 可能的值:be,d,g,if,in,ine和p。after_effect– 可能的值:no,...
分类：
编程语言 时间：
2015-06-15 18:04:59
阅读次数：
202
Lucene在进行关键词查询的时候，默认用TF-IDF算法来计算关键词和文档的相关性，用这个数据排序TF:词频,IDF：逆向文档频率，TF-IDF是一种统计方法，或者被称为向量空间模型,名字听起来很复杂，但是它其实只包含了两个简单规则某个词或短语在一篇文章中出现的次数越多，越相关整个文档集合中包含某...
分类：
编程语言 时间：
2015-06-15 18:03:03
阅读次数：
199
多种相似距离对比因某些原因需要对样本进行相似度方面的计算，对常见的几种距离公式进行了一系列实验。距离公式：距离的衡量在相似度衡量中占据了重要的地位，不同的距离公式有其不同的应用场景，都是为了解决某类问题而诞生的，本文期望对这些距离公式能有个”0距离”的亲密接触。目录1. 欧氏距离2. 切比雪夫距离3...
分类：
其他好文 时间：
2015-06-13 17:07:54
阅读次数：
166
本文是Spark调研笔记的最后一篇，以代码实例说明如何借助Spark平台高效地实现推荐系统CF算法中的物品相似度计算。
在推荐系统中，最经典的推荐算法无疑是协同过滤（Collaborative Filtering, CF），而item-cf又是CF算法中一个实现简单且效果不错的算法。
在item-cf算法中，最关键的步骤是计算物品之间的相似度。本文以代码实例来说明如何利用Spark平台快速计算...
分类：
其他好文 时间：
2015-06-10 15:47:17
阅读次数：
155
欧几里德相似度（Euclidean Distance）最初用于计算欧几里德空间中两个点的距离，以两个用户x和y为例子，看成是n维空间的两个向量x和y, xi表示用户x对itemi的喜好值，yi表示用户y对itemi的喜好值，他们之前的欧几里德距离是对应的欧几里德相似度，一般采用以下公式进行转换：距离...
分类：
其他好文 时间：
2015-06-10 10:18:09
阅读次数：
126
首先C#基础应该熟悉，不要把暂时用不到而却常用的东西忘掉。数据库应该掌握oracle，毕竟工作这么多年一直用的oracleMSSQL、SQLServer了解即可，毕竟SQL相似度很高。C#开发框架：MVC EF 三层第三方组件Log4net 日志json.net json转换Npoi offic.....
分类：
其他好文 时间：
2015-06-09 09:49:00
阅读次数：
117
最近由于工作项目，需要判断两个txt文本是否相似，于是开始在网上找资料研究，因为在程序中会把文本转换成String再做比较，所以最开始找到了这篇关于距离编辑算法Blog写的非常好，受益匪浅。 于是我决定把它用到项目中，来判断两个文本的相似度。但后来实际操作发现有一些问题：直接说就是查询一本书中的相似...
分类：
编程语言 时间：
2015-06-09 00:54:03
阅读次数：
143
在计算文本相似项发现方面，有以下一些可参考的方法。这些概念和方法会帮助我们开拓思路。相似度计算方面Jaccard相似度：集合之间的Jaccard相似度等于交集大小与并集大小的比例。适合的应用包括文档文本相似度以及顾客购物习惯的相似度计算等。Shingling：k-shingle是指文档中连续出现的任...
分类：
其他好文 时间：
2015-06-09 00:51:23
阅读次数：
110
