婷婷综合国产,91蜜桃婷婷狠狠久久综合9色 ,九九九九九精品,国产综合av

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

.NET下文本相似度算法余弦定理和SimHash淺析及應用實例分析

熱門標簽:外呼電銷機器人軟件 t3出行地圖標注怎么做 400電話辦理最優質 河北網絡回撥外呼系統 400免費電話怎么辦理 關于宗地圖標注技術規范 威海電銷 寧夏機器人電銷 河南語音外呼系統公司

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,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致整個向量維度很高,使得計算的代價太大不適合大數據量的計算。
 
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,所以速度非常快適合大數據計算。
 
Google就是基于此算法實現網頁文件查重的。我們假設有以下三段文本:
 
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,請綜合考慮存儲成本以及數據集的大小,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果:{"th", "he", "e ", " c", "ca", "at", "t ", " s", "sa", " o", "on", "n ", " t", " m", "ma"}
4、使用傳統的32位hash函數計算各個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,則設為1;否則設為0

希望本文所述對大家的.net程序設計有所幫助。

您可能感興趣的文章:
  • VB.NET中使用種子填充算法實現給圖片著色的例子
  • .net C# 實現任意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的算法
  • asp.net下常用的加密算法MD5、SHA-1應用代碼
  • 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#)兩種隨機數的算法,可用抽考題

標簽:淮北 廣元 吉林 固原 樂山 咸寧 賀州 池州

巨人網絡通訊聲明:本文標題《.NET下文本相似度算法余弦定理和SimHash淺析及應用實例分析》,本文關鍵詞  .NET,下,文本,相似,度,算法,;如發現本文內容存在版權問題,煩請提供相關信息告之我們,我們將及時溝通與處理。本站內容系統采集于網絡,涉及言論、版權與本站無關。
  • 相關文章
  • 下面列出與本文章《.NET下文本相似度算法余弦定理和SimHash淺析及應用實例分析》相關的同類信息!
  • 本頁收集關于.NET下文本相似度算法余弦定理和SimHash淺析及應用實例分析的相關信息資訊供網民參考!
  • 推薦文章
    婷婷综合国产,91蜜桃婷婷狠狠久久综合9色 ,九九九九九精品,国产综合av
    亚洲视频一区二区免费在线观看| 久久一区二区视频| 久久久久久影视| 国产精品国产三级国产普通话三级| 精品一区二区三区日韩| 国产一二精品视频| 91免费精品国自产拍在线不卡| 久久国产成人午夜av影院| 制服丝袜中文字幕亚洲| 国产欧美日韩另类视频免费观看| 亚洲人吸女人奶水| 欧美日韩国产另类不卡| 欧美国产一区视频在线观看| 蜜桃av噜噜一区| 中文字幕不卡在线| 亚洲午夜电影网| 26uuu久久天堂性欧美| 亚洲精品中文在线观看| 国产最新精品精品你懂的| 国产精品精品国产色婷婷| 日本欧美一区二区在线观看| 久久久久久久久久久久久久久99| 中文字幕一区二区三区蜜月| 中文字幕一区二区三区蜜月| 亚洲欧洲一区二区在线播放| 亚洲一区二区精品视频| 中文一区一区三区高中清不卡| 精品视频一区三区九区| 日韩国产欧美在线播放| 九色|91porny| 久久久久久影视| av在线不卡免费看| 欧美一区二区在线不卡| 国产成人精品三级| 97se亚洲国产综合自在线不卡| 亚洲嫩草精品久久| 欧美日韩国产精选| 欧美中文字幕一区二区三区| 丝瓜av网站精品一区二区| 日本欧美肥老太交大片| 欧美一区二区三区在线观看 | 欧美一区二区三区公司| 国产精品中文字幕一区二区三区| 亚洲免费看黄网站| ww久久中文字幕| 91精品国产一区二区| 欧美一区2区视频在线观看| 欧美精品日日鲁夜夜添| 51精品国自产在线| 欧美日韩一卡二卡| 欧美在线播放高清精品| 91福利视频在线| 91视频在线看| 在线观看成人小视频| 91精彩视频在线| 欧美天天综合网| 欧美日韩三级一区二区| 丁香桃色午夜亚洲一区二区三区| 国产精品系列在线播放| 国产一区 二区 三区一级| 免费成人小视频| 激情综合色丁香一区二区| 麻豆国产精品一区二区三区| 一区二区久久久久久| 欧美经典三级视频一区二区三区| 成人18视频在线播放| 国产99精品在线观看| 国产一区二区精品在线观看| 成人a级免费电影| 91免费视频网| 成人欧美一区二区三区| 欧美va亚洲va| 国产精品素人视频| 亚洲午夜在线观看视频在线| 免费亚洲电影在线| 国产黑丝在线一区二区三区| 成人免费看视频| 欧美日韩中文字幕精品| 精品国产乱码91久久久久久网站| 欧美国产成人在线| 亚洲国产欧美在线人成| 亚洲一区二区三区激情| 精品一二三四在线| 在线观看av一区二区| 久久夜色精品国产欧美乱极品| 亚洲色欲色欲www在线观看| 亚洲伦理在线免费看| 欧美视频一区二区三区| 日本一区二区综合亚洲| 五月综合激情网| 成人天堂资源www在线| 久久久青草青青国产亚洲免观| 亚洲免费观看高清完整版在线观看| 日韩av中文在线观看| 91丝袜国产在线播放| 精品裸体舞一区二区三区| 国产精品天天摸av网| 五月天亚洲婷婷| www.在线成人| 欧美日韩高清一区| 国产日韩综合av| 日韩不卡手机在线v区| 色婷婷av一区二区三区大白胸| www精品美女久久久tv| 午夜精品免费在线观看| 97久久超碰国产精品| 久久女同精品一区二区| 日韩av一区二区三区| 欧美视频日韩视频在线观看| 日韩三级高清在线| 午夜私人影院久久久久| 99精品国产热久久91蜜凸| 精品对白一区国产伦| 丝袜亚洲精品中文字幕一区| 在线观看免费亚洲| 亚洲免费观看高清| 成人免费毛片aaaaa**| 国产亚洲欧美色| 极品少妇一区二区三区精品视频| 欧美日韩精品一二三区| 五月综合激情网| 日韩一级大片在线| 美女网站在线免费欧美精品| 91丨九色丨国产丨porny| 99久久精品国产导航| 色综合视频一区二区三区高清| 久久这里只有精品首页| 日韩av高清在线观看| 91精品国产综合久久久久| 亚洲午夜电影在线| 欧美日韩一区二区在线观看| 丝袜亚洲另类丝袜在线| 欧美日韩精品系列| 久久精品噜噜噜成人av农村| 日韩三级伦理片妻子的秘密按摩| 天天av天天翘天天综合网色鬼国产| 国产精品 日产精品 欧美精品| 日韩欧美一区二区不卡| 国产自产视频一区二区三区| 国产欧美一区二区精品仙草咪| 成人亚洲一区二区一| 欧美va日韩va| 久久亚洲私人国产精品va媚药| 日本高清不卡在线观看| 亚洲国产精品一区二区久久恐怖片| 日本高清不卡一区| 日韩av一二三| 日韩欧美123| 欧美日韩国产美女| 国产做a爰片久久毛片| 中文字幕色av一区二区三区| 91久久一区二区| 亚洲超碰精品一区二区| 精品盗摄一区二区三区| 成人精品一区二区三区四区 | 久久精品国产亚洲a| 国产区在线观看成人精品| 一本久久精品一区二区| 青青青伊人色综合久久| 国产拍揄自揄精品视频麻豆| 91久久国产最好的精华液| 久久精品99久久久| 中文字幕一区二区三| 欧美精品久久久久久久多人混战| 久久99精品视频| 国产精品福利一区二区| 欧美三区免费完整视频在线观看| 亚洲午夜视频在线观看| 3atv在线一区二区三区| 午夜视黄欧洲亚洲| 国产欧美一区二区精品性色| 欧美三级电影在线看| 国产一区二区主播在线| 亚洲妇熟xx妇色黄| 精品国产欧美一区二区| 成人精品电影在线观看| 亚洲高清免费视频| 久久久久国产免费免费| 欧美人与z0zoxxxx视频| 久久久久久久综合狠狠综合| 欧美性色欧美a在线播放| 午夜精品国产更新| 欧美激情一区二区三区| 欧美一区二区三区不卡| 日本午夜一本久久久综合| 亚洲激情自拍偷拍| 久久久欧美精品sm网站| 91精品国产91久久久久久一区二区| 99久久免费国产| 久久99国产乱子伦精品免费| 天天影视涩香欲综合网| 国产v日产∨综合v精品视频| 日本欧美在线看| 日韩成人免费在线| 午夜精品福利在线| 一区二区成人在线| 国产女人18水真多18精品一级做| 精品久久国产字幕高潮| 97se亚洲国产综合自在线观| a级精品国产片在线观看|