什么是余弦相似度?
的有关信息介绍如下：问题补充说明：什么是余弦相似度?
余弦相似度
来自在向量空间模型中，文本泛指各种机器可读的记录。用D(Document)表示360问答，特征项(Term劳杂场法富九，用t表示)是指出现在似再文档D中且能够代表该蒸文档内容的基本语言单位，主要是由词或者短语构成，文本可以用特征项集表示为D(T1，T2，…，Tn)，其中Tk是特征项，1<=k<=N。例化坏导争背东殖如一篇文档中有a、b、c、甚气承既盾级江降识此犯d四个特征项，那么这篇文档就可以表示为D(a，b，c，d)。对含有n个特征项的文本而言难众权值苏于高作续，通常会给每个特征项赋予一定的权重表示其重要程度。即D=D(T1，W1;T2，W2;…，Tn，Wn)，基培简记为D=D(W1，W2，…，Wn)，我们把它叫做文本D的向量表示。其中Wk是Tk的权重，1<=k<=N。在上面那个例子喜威乎容思造力中，假设a、b、c、d的权重分别为30，20，20，停10，那么该文本的向顺粒架印量表示为D(30，20，20，10)。在向量空间模型中，两个文本D1和D2之间的内容相关度Sim(D1，D2)常用向量之间夹角的余弦值表示，公式为:
其中，W1k、W2k分别表示文本D1和D2第K个特征项的权值，1<=k<=N。
在自动归类中，我们可以利用劳演型工东木到满场采背类似的方法来计算待归类文档和某类目的相关度。例如文本D1的特征项为a，b，c，d，权值分别为30，20，20，10，类目C1的特征项为a，c，d，e，权值分别为40，30，20，10，则D1的向量表示为D1(30,20,20,10,0),C1的向量表示为C1(40，0，30，20，10)，则根据上式计算真雷帝探画祖干通伯求出来的文本D1与类目C1相关度是0.86
那个相关度0.86是怎倍掌通项跳预史影装么算出来的?
是这样的，抛开棉扩零市河来伤你的前面的赘述
在数学当中，n维向量是V{v1,各末v2,v3,...,vn}
他的模:|v|=sqrt(v1*v1+v2*v础面另叫影似妈2+...+vn*vn)
两个向量的点击m*n=n1*m1+n2*m2+......+nn*mn
相似度=(m*n)/(|m|*|n|)
物理意义就是两个向量的空间夹角的余弦数值
对于你的例子
d1*c1=30*40+20*0+20*30+10*20+0*10=2000
|d1|=sqrt(30*30+20*20+20*20+10*10+0*0)=sqrt(1800)
|c1|=sqrt(40*40+0*0+30*30+20*20+10*10)=sqrt(3000)
相似度=d1*c1/(|d1|*|c1|)=2000/sqrt(1800*3000)=0.86066
