doc2vec计算文档相似度
2016-09-07 16:47
218 查看
doc2vec是基于word2vec的,word2vec对于计算两个词语的相似度效率比较好,修改了word2vec中的cbow和skip-gram模型,paragraph vector直接得到doc向量。
使用过程
1.读取文件,os.walk()遍历文件夹
2.构建语料库,分词,过滤停用词。用gensim.models.doc2vec.TaggedDocument() 为文档打tag
3.创建model
4.计算相似度
代码参考例子:https://github.com/iamxiaomu/doc2vec
参考:
http://blog.csdn.net/raycchou/article/details/50971599
http://blog.csdn.net/lenbow/article/details/52120230
参考文献:
GloVe: Global Vectors for Word Representation
使用过程
1.读取文件,os.walk()遍历文件夹
2.构建语料库,分词,过滤停用词。用gensim.models.doc2vec.TaggedDocument() 为文档打tag
3.创建model
model = Doc2Vec(size=50, min_count=1, iter=10) model.build_vocab(corpora_documents) model.train(corpora_documents)
4.计算相似度
inferred_vector = model.infer_vector(test_cut_raw_1) sims = model.docvecs.most_similar([inferred_vector], topn=3) print sims
代码参考例子:https://github.com/iamxiaomu/doc2vec
参考:
http://blog.csdn.net/raycchou/article/details/50971599
http://blog.csdn.net/lenbow/article/details/52120230
参考文献:
GloVe: Global Vectors for Word Representation
相关文章推荐
- NLP计算文档相似度之doc2vec
- 向量空间模型(VSM)在文档相似度计算上的简单介绍
- [转]向量空间模型(VSM)在文档相似度计算上的简单介绍
- 大规模文档相似度计算—基于MapReduce框架
- 基于word2vec与Word Mover Distance的文档相似度计算
- 用 Doc2Vec 得到文档/段落/句子的向量表达
- 开源:给每个文档计算一个指纹,然后用指纹进行相似度的计算 含源码和可执行程序
- 向量空间模型(VSM)在文档相似度计算上的简单介绍
- WMD:基于词向量的文档相似度计算
- 利用Lucene编写的文档向量相似度计算程序
- 计算两个文档的相似度
- spark或者mapreduce文档相似度计算
- 向量空间模型(VSM)在文档相似度计算上的简单介绍
- 大规模文档相似度计算—基于MapReduce框架
- 向量空间模型(VSM)在文档相似度计算上的简单介绍
- 如何计算两个文档的相似度(一)
- Word2vec 计算两个文本之间相似度
- 向量空间模型(VSM)在文档相似度计算上的简单介绍
- 如何计算两个文档的相似度(二)
- 使用spark计算文档相似度