成人性生交大片免费看视频r_亚洲综合极品香蕉久久网_在线视频免费观看一区_亚洲精品亚洲人成人网在线播放_国产精品毛片av_久久久久国产精品www_亚洲国产一区二区三区在线播_日韩一区二区三区四区区区_亚洲精品国产无套在线观_国产免费www

主頁 > 知識庫 > .NET下文本相似度算法余弦定理和SimHash淺析及應(yīng)用實例分析

.NET下文本相似度算法余弦定理和SimHash淺析及應(yīng)用實例分析

熱門標(biāo)簽:外呼電銷機(jī)器人軟件 t3出行地圖標(biāo)注怎么做 400電話辦理最優(yōu)質(zhì) 河北網(wǎng)絡(luò)回?fù)芡夂粝到y(tǒng) 400免費電話怎么辦理 關(guān)于宗地圖標(biāo)注技術(shù)規(guī)范 威海電銷 寧夏機(jī)器人電銷 河南語音外呼系統(tǒng)公司

本文實例講述了.NET下文本相似度算法余弦定理和SimHash淺析及應(yīng)用。分享給大家供大家參考。具體分析如下:

余弦相似性

原理:首先我們先把兩段文本分詞,列出來所有單詞,其次我們計算每個詞語的詞頻,最后把詞語轉(zhuǎn)換為向量,這樣我們就只需要計算兩個向量的相似程度.
 
我們簡單表述如下
 
文本1:我/愛/北京/天安門/ 經(jīng)過分詞求詞頻得出向量(偽向量)  [1,1,1,1]
 
文本2:我們/都愛/北京/天安門/ 經(jīng)過分詞求詞頻得出向量(偽向量)  [1,0,1,2]
 
我們可以把它們想象成空間中的兩條線段,都是從原點([0, 0, ...])出發(fā),指向不同的方向。兩條線段之間形成一個夾角,如果夾角為0度,意味著方向相同、線段重合;如果夾角為90度,意味著形成直角,方向完全不相似;如果夾角為180度,意味著方向正好相反。因此,我們可以通過夾角的大小,來判斷向量的相似程度。夾角越小,就代表越相似。
 
C#核心算法:

復(fù)制代碼 代碼如下:
    public class TFIDFMeasure
    {
        private string[] _docs;
        private string[][] _ngramDoc;
        private int _numDocs=0;
        private int _numTerms=0;
        private ArrayList _terms;
        private int[][] _termFreq;
        private float[][] _termWeight;
        private int[] _maxTermFreq;
        private int[] _docFreq;
 
        public class TermVector
        {       
            public static float ComputeCosineSimilarity(float[] vector1, float[] vector2)
            {
                if (vector1.Length != vector2.Length)               
                    throw new Exception("DIFER LENGTH");
               
 
                float denom=(VectorLength(vector1) * VectorLength(vector2));
                if (denom == 0F)               
                    return 0F;               
                else               
                    return (InnerProduct(vector1, vector2) / denom);
               
            }
 
            public static float InnerProduct(float[] vector1, float[] vector2)
            {
           
                if (vector1.Length != vector2.Length)
                    throw new Exception("DIFFER LENGTH ARE NOT ALLOWED");
               
           
                float result=0F;
                for (int i=0; i vector1.Length; i++)               
                    result += vector1[i] * vector2[i];
               
                return result;
            }
       
            public static float VectorLength(float[] vector)
            {           
                float sum=0.0F;
                for (int i=0; i vector.Length; i++)               
                    sum=sum + (vector[i] * vector[i]);
                       
                return (float)Math.Sqrt(sum);
            }
        }
 
        private IDictionary _wordsIndex=new Hashtable() ;
 
        public TFIDFMeasure(string[] documents)
        {
            _docs=documents;
            _numDocs=documents.Length ;
            MyInit();
        }
 
        private void GeneratNgramText()
        {
           
        }
 
        private ArrayList GenerateTerms(string[] docs)
        {
            ArrayList uniques=new ArrayList() ;
            _ngramDoc=new string[_numDocs][] ;
            for (int i=0; i docs.Length ; i++)
            {
                Tokeniser tokenizer=new Tokeniser() ;
                string[] words=tokenizer.Partition(docs[i]);           
 
                for (int j=0; j words.Length ; j++)
                    if (!uniques.Contains(words[j]) )               
                        uniques.Add(words[j]) ;
            }
            return uniques;
        }

        private static object AddElement(IDictionary collection, object key, object newValue)
        {
            object element=collection[key];
            collection[key]=newValue;
            return element;
        }
 
        private int GetTermIndex(string term)
        {
            object index=_wordsIndex[term];
            if (index == null) return -1;
            return (int) index;
        }
 
        private void MyInit()
        {
            _terms=GenerateTerms (_docs );
            _numTerms=_terms.Count ;
 
            _maxTermFreq=new int[_numDocs] ;
            _docFreq=new int[_numTerms] ;
            _termFreq =new int[_numTerms][] ;
            _termWeight=new float[_numTerms][] ;
 
            for(int i=0; i _terms.Count ; i++)           
            {
                _termWeight[i]=new float[_numDocs] ;
                _termFreq[i]=new int[_numDocs] ;
 
                AddElement(_wordsIndex, _terms[i], i);           
            }
           
            GenerateTermFrequency ();
            GenerateTermWeight();           
        }
       
        private float Log(float num)
        {
            return (float) Math.Log(num) ;//log2
        }
 
        private void GenerateTermFrequency()
        {
            for(int i=0; i _numDocs  ; i++)
            {                               
                string curDoc=_docs[i];
                IDictionary freq=GetWordFrequency(curDoc);
                IDictionaryEnumerator enums=freq.GetEnumerator() ;
                _maxTermFreq[i]=int.MinValue ;
                while (enums.MoveNext())
                {
                    string word=(string)enums.Key;
                    int wordFreq=(int)enums.Value ;
                    int termIndex=GetTermIndex(word);
 
                    _termFreq [termIndex][i]=wordFreq;
                    _docFreq[termIndex] ++;
 
                    if (wordFreq > _maxTermFreq[i]) _maxTermFreq[i]=wordFreq;                   
                }
            }
        }

        private void GenerateTermWeight()
        {           
            for(int i=0; i _numTerms   ; i++)
            {
                for(int j=0; j _numDocs ; j++)               
                    _termWeight[i][j]=ComputeTermWeight (i, j);
            }
        }
 
        private float GetTermFrequency(int term, int doc)
        {           
            int freq=_termFreq [term][doc];
            int maxfreq=_maxTermFreq[doc];           
           
            return ( (float) freq/(float)maxfreq );
        }
 
        private float GetInverseDocumentFrequency(int term)
        {
            int df=_docFreq[term];
            return Log((float) (_numDocs) / (float) df );
        }
 
        private float ComputeTermWeight(int term, int doc)
        {
            float tf=GetTermFrequency (term, doc);
            float idf=GetInverseDocumentFrequency(term);
            return tf * idf;
        }
       
        private  float[] GetTermVector(int doc)
        {
            float[] w=new float[_numTerms] ;
            for (int i=0; i _numTerms; i++)
                w[i]=_termWeight[i][doc];
            return w;
        }
 
        public float GetSimilarity(int doc_i, int doc_j)
        {
            float[] vector1=GetTermVector (doc_i);
            float[] vector2=GetTermVector (doc_j);
            return TermVector.ComputeCosineSimilarity(vector1, vector2);
        }
       
        private IDictionary GetWordFrequency(string input)
        {
            string convertedInput=input.ToLower() ;
            Tokeniser tokenizer=new Tokeniser() ;
            String[] words=tokenizer.Partition(convertedInput);
            Array.Sort(words);
           
            String[] distinctWords=GetDistinctWords(words);
                       
            IDictionary result=new Hashtable();
            for (int i=0; i distinctWords.Length; i++)
            {
                object tmp;
                tmp=CountWords(distinctWords[i], words);
                result[distinctWords[i]]=tmp;
            }
            return result;
        }               
               
        private string[] GetDistinctWords(String[] input)
        {               
            if (input == null)           
                return new string[0];           
            else
            {
                ArrayList list=new ArrayList() ;
               
                for (int i=0; i input.Length; i++)
                    if (!list.Contains(input[i])) // N-GRAM SIMILARITY?
                        list.Add(input[i]);
                return Tokeniser.ArrayListToArray(list) ;
            }
        }

        private int CountWords(string word, string[] words)
        {
            int itemIdx=Array.BinarySearch(words, word);
           
            if (itemIdx > 0)           
                while (itemIdx > 0 words[itemIdx].Equals(word))
                    itemIdx--;               
            int count=0;
            while (itemIdx words.Length itemIdx >= 0)
            {
                if (words[itemIdx].Equals(word)) count++;
                itemIdx++;
                if (itemIdx words.Length)               
                    if (!words[itemIdx].Equals(word)) break;
            }
            return count;
        }               
}


 
缺點:
 
由于有可能一個文章的特征向量詞特別多導(dǎo)致整個向量維度很高,使得計算的代價太大不適合大數(shù)據(jù)量的計算。
 
SimHash原理:
 
算法的主要思想是降維,將高維的特征向量映射成一個f-bit的指紋(fingerprint),通過比較兩篇文章的f-bit指紋的Hamming Distance來確定文章是否重復(fù)或者高度近似。由于每篇文章我們都可以事先計算好Hamming Distance來保存,到時候直接通過Hamming Distance來計算,所以速度非??爝m合大數(shù)據(jù)計算。
 
Google就是基于此算法實現(xiàn)網(wǎng)頁文件查重的。我們假設(shè)有以下三段文本:
 
1,the cat sat on the mat
 
2,the cat sat on a mat
 
3,we all scream for ice cream
 
如何實現(xiàn)這種hash算法呢?以上述三個文本為例,整個過程可以分為以下六步:
1、選擇simhash的位數(shù),請綜合考慮存儲成本以及數(shù)據(jù)集的大小,比如說32位
2、將simhash的各位初始化為0
3、提取原始文本中的特征,一般采用各種分詞的方式。比如對于"the cat sat on the mat",采用兩兩分詞的方式得到如下結(jié)果:{"th", "he", "e ", " c", "ca", "at", "t ", " s", "sa", " o", "on", "n ", " t", " m", "ma"}
4、使用傳統(tǒng)的32位hash函數(shù)計算各個word的hashcode,比如:"th".hash = -502157718
,"he".hash = -369049682,……
5、對各word的hashcode的每一位,如果該位為1,則simhash相應(yīng)位的值加1;否則減1
6、對最后得到的32位的simhash,如果該位大于1,則設(shè)為1;否則設(shè)為0

希望本文所述對大家的.net程序設(shè)計有所幫助。

您可能感興趣的文章:
  • VB.NET中使用種子填充算法實現(xiàn)給圖片著色的例子
  • .net C# 實現(xiàn)任意List的笛卡爾乘積算法代碼
  • asp.net 冒泡算法的理解
  • asp.NET 臟字過濾算法 修改版
  • asp.NET 臟字過濾算法
  • asp.net 2個日期之間的整月數(shù)的算法
  • asp.net下常用的加密算法MD5、SHA-1應(yīng)用代碼
  • asp.net TripleDES加密、解密算法
  • 赫赫大名的A*尋路算法(vb.net版本)
  • asp.net(c#)兩種隨機(jī)數(shù)的算法,可用抽考題

標(biāo)簽:淮北 廣元 吉林 固原 樂山 咸寧 賀州 池州

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《.NET下文本相似度算法余弦定理和SimHash淺析及應(yīng)用實例分析》,本文關(guān)鍵詞  .NET,下,文本,相似,度,算法,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《.NET下文本相似度算法余弦定理和SimHash淺析及應(yīng)用實例分析》相關(guān)的同類信息!
  • 本頁收集關(guān)于.NET下文本相似度算法余弦定理和SimHash淺析及應(yīng)用實例分析的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章
    欧美性videos高清精品| 极品一区美女高清| 国产精品乱码一区二三区小蝌蚪| 亚洲欧洲av一区二区| 国语对白在线播放| 精品网站在线看| 26uuu亚洲综合色欧美| caoporn国产精品免费公开| 亚洲麻豆国产自偷在线| 日韩高清三区| 婷婷久久久久久| 在线观看免费黄色网址| 久久久久亚洲av片无码下载蜜桃| 老鸭窝av在线| 国产成人综合亚洲91猫咪| 国产ts人妖一区二区| www.youjizz.com亚洲| 91大神在线播放精品| 亚洲性生活视频在线观看| 精品久久久三级丝袜| 亚洲高清免费| 日韩亚洲一区二区| 日韩高清电影一区| 992tv成人国产福利在线| 欧美亚洲三级| 国内成+人亚洲+欧美+综合在线| 国产一区二区三区成人欧美日韩在线观看| 国产吧在线视频| 中文字幕在线看精品乱码| 欧美日韩极品在线观看一区| 毛片中文字幕| 亚洲va国产va天堂va久久| 丝袜制服一区二区三区| 日韩欧美在线免费| 欧美美女喷水视频| 99热在线只有精品| 欧美日韩视频免费在线观看| 亚洲日本国产精品| 一区二区三区视频在线免费观看| 草民午夜欧美限制a级福利片| 久久精品视频在线免费观看| 不卡av播放| www插插插无码视频网站| 日本新janpanese乱熟| 日韩国产精品久久久| 91蜜桃传媒精品久久久一区二区| 91网免费观看| 你懂的在线观看一区二区| 九九久久久久久久久激情| 最近中文字幕第一页| 精品视频高潮| 国产又粗又爽又黄的视频| 中文字幕一区二区人妻视频| 蜜桃精品久久久久久久免费影院| 国产在线观看91| 一区二区三区视频免费观看| 日韩精品专区在线影院观看| 国产综合图区| 欧美国产第一页| 亚洲最大的网站| 亚洲成人av影片| 亚洲成人黄色网| 一区二区不卡在线视频 午夜欧美不卡'| 亚洲国产资源| 日韩欧美国产免费播放| 免费在线一区观看| 女人18毛片水真多免费播放| 日韩最新在线| 先锋av资源在线| 91精品秘密在线观看| 欧美日韩大陆在线| 免费观看的成年网址| 97在线精品视频| 国产一区二区视频在线观看免费| 欧美hdxxxxx| 日本免费一区二区三区| 午夜精品久久久久久99热| 欧美军人男男激情gay| 99在线小视频| 极品尤物久久久av免费看| **国产精品| 中文字幕无码乱码人妻日韩精品| 国产精品中文有码| 国偷自产视频一区二区久| 国产调教打屁股xxxx网站| 免费国产自久久久久三四区久久| 欧美在线播放| 国产精品系列在线播放| 日韩一区二区免费看| 日韩一级片网站| 亚洲夫妻av| 欧美性极品videosbest| 精品视频在线一区二区在线| 中文字幕欧美日韩一区| 在线视频日韩一区| 专区另类欧美日韩| 欧美色窝79yyyycom| 一区二区高清视频在线观看| 亚洲精品午夜视频| 免费观看h电影在线观看| 999精品嫩草久久久久久99| 色视频www在线播放国产| 成人高清视频免费观看| 91福利视频在线观看| 日韩欧美美女一区二区三区| 黄色在线免费观看大全| 欧美视频在线观看免费| 综合婷婷亚洲小说| 美女视频第一区二区三区免费观看网站| 99欧美视频| 国产 欧美 日韩 一区| 久久久久久久久久久免费视频| 亚洲精品日韩综合观看成人91| 欧美在线观看视频一区| 电影亚洲精品噜噜在线观看| jizz视频在线观看| 国产毛片精品一区| 日本黄色www| 亚洲精品社区| 久久精品老司机| 精品一区二区亚洲| 人妻少妇精品无码专区| 精品国产黄色片| 午夜精品久久久久久久星辰影院| 丁香花高清电影在线观看完整版| 少妇性色午夜淫片aaa播放| 伊人久久大香线蕉综合网蜜芽| 国产日韩视频在线观看| 亚洲私人影吧| 国内精品免费**视频| 国产在线一区观看| 制服师生第一页| 97久久精品人人澡人人爽缅北| 欧美精品一区二区久久| 中文字幕一区二区三区波野结| a美女胸又www黄视频久久| 波多野结衣网站| 99国产精品免费视频观看| 亚洲综合免费视频| 欧美天堂社区| 国产91亚洲精品一区二区三区| 亚洲韩国青草视频| 精品国产乱码一区二区| 一区二区在线观看视频在线| 亚洲激情视频在线| 国产精品成人在线| 97久久夜色精品国产九色| 欧美一二三四五区| 91小视频在线| 中文字幕免费在线不卡| 97国产一区二区| 貂蝉被到爽流白浆在线观看| 欧美高清免费| 国产成人久久777777| 天天射夜夜骑| 初尝黑人巨炮波多野结衣电影| 青娱乐国产在线| 揉丰满老妇老女人的毛片| 色婷婷av一区二区三区软件| 欧美 日本 亚洲| 亚洲性夜色噜噜噜7777| 99久久久无码国产精品6| 国产精品男女猛烈高潮激情| 在线观看91精品国产麻豆| 日韩精品诱惑一区?区三区| 亚洲电影先锋| 国内拍拍自拍视频在线观看| 国产精品乱码久久久久久| 国产日韩欧美一区二区三区视频| 日韩激情在线观看| 欧美三级日本三级少妇99| a级片在线观看视频| 国产农村妇女精品一二区| 国产又粗又黄视频| 亚洲爆乳无码精品aaa片蜜桃| 日韩成人一区二区| japan高清日本乱xxxx| 国产情侣在线播放| 一区二区欧美亚洲| 国产视频精品va久久久久久| 亚洲一区二区图片| 欧美一二三区精品| 貂蝉被到爽流白浆在线观看| 欧美天天综合| 天堂av最新在线| 欧美国产中文字幕| 欧美一级精品在线| 国产情侣久久久久aⅴ免费| 色综合中文字幕国产| 久久国产精品久久久| 精品无码一区二区三区蜜臀| 美女网站色91| 亚洲伦理一区二区三区| 国产精华7777777| 青青草原综合久久大伊人精品优势| 日本精品一区二区三区在线播放视频| 熟妇人妻中文av无码| 中文字幕亚洲天堂| f2c人成在线观看免费视频| 日韩母乳在线| 午夜精品久久久久久99热| 国产原创精品| 日韩精品视频在线观看网址| 亚洲伦理在线观看| 国产精品一二三产区| 搡老岳熟女国产熟妇| 国产成人毛片| 国产精品一区三区在线观看| 亚洲在线精品视频| 欧美成人免费网| 在线播放中文字幕一区| 国产精品久久久久久久久久辛辛| 最新天堂资源在线资源| 色老汉av一区二区三区| 日韩精品中文字| 精品亚洲成a人在线观看| 亚洲高清色图| 国产精品815.cc红桃| 一区二区三区四区欧美| 欧美性猛交xxxx乱大交少妇| 久久色在线视频| 日韩中文在线字幕| 中文字幕亚洲综合久久| 欧美精品一卡两卡| 日韩精品资源二区在线| 四虎国产精品免费观看| 免费在线黄色网址| 精品免费日韩av| 日韩一区二区在线观看| 97免费视频观看| 欧美激情一区二区三区免费观看| 在线观看视频在线观看| 久久99久久久| brazzers精品成人一区| 欧美成人精品三级网站| 一区二区成人在线视频| 精品国产一区二区三区性色av| 中文字幕人妻丝袜乱一区三区| 久久精品国产亚洲精品2020| 久久天堂久久| 亚洲欧洲一区二区天堂久久| 日韩毛片中文字幕| 欧美日韩国产中文字幕| 99精品国产一区二区青青牛奶| av女优在线| 国产中文字幕在线播放| 一区二区三区在线观看免费视频| 欧美性生活大片视频| 日韩午夜精品视频| 黄色小视频在线观看| 亚洲欧美国产日韩天堂区| 日产日韩在线亚洲欧美| 伊人成人开心激情综合网| 看av免费毛片手机播放| 日本伊人精品一区二区三区介绍| 99在线精品视频在线观看| 一区二区导航| 国产精品亲子伦对白| 日韩一区二区三区免费看| 国产乱码久久久久| 免费黄色在线网站| 天堂网在线观看国产精品| 四虎永久在线精品免费一区二区| 亚洲kkk444kkk在线观看| 国产美女精品视频国产| 欧美一级精品| 欧美大片免费久久精品三p| 精品无人区乱码1区2区3区免费| 国产主播在线播放| 精品久久久久久久人人人人传媒| 亚洲色图制服丝袜| 97人洗澡人人免费公开视频碰碰碰| 波多野结衣视频一区| 日日摸.com| 亚洲国产视频在线| 国产精品女同互慰在线看| 国产色a在线观看| 一区二区在线观看不卡| 91tv亚洲精品香蕉国产一区7ujn| 亚洲福利av在线| 黄色av免费播放| 日韩精品免费| 九九爱在线视频观看免费视频| 黑人巨大精品欧美一区二区桃花岛| 在线看黄的网站| 国产精品久久婷婷六月丁香| 1769国产精品| 精品无人乱码一区二区三区| 污黄视频在线观看| 成人一级黄色大片| 激情六月天婷婷| 午夜成人亚洲理伦片在线观看| 亚洲一区欧美在线| 欧美成人一区在线| 亚洲网站在线看| 亚洲午夜91| 97精品在线观看| 国产一区精品在线| 日本一区免费视频| 国产精品视频最多的网站| 男人先锋资源| 91网页版在线登录入口| 深爱五月激情五月| 日本一区二区在线视频观看| 91麻豆免费在线观看| 欧洲专线二区三区| 日韩久久一区二区三区| 黄色激情小视频| 网站免费满18成年在线观看| 精品欧美一区二区三区精品久久| 五月久久久综合一区二区小说| 欧美专区第二页| www.在线欧美| 国产福利电影网| 都市激情久久综合| 国产欧美日韩视频在线观看| 亚洲精品美女网站| 日韩精品极品在线观看| 国产精品免费视频xxxx| 亚洲电影视频在线| 另类av一区二区| 美女的奶胸大爽爽大片| 亚洲电影成人成人影院| 久热在线视频精品网站| 久草在线免费福利| 在线成人免费观看| 亚洲欧洲国产伦综合| 亚洲精品国产一区二区精华液|