91超碰碰碰碰久久久久久综合_超碰av人澡人澡人澡人澡人掠_国产黄大片在线观看画质优化_txt小说免费全本

溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

使用tf*idf實現對文檔集合的檢索

發布時間:2020-07-09 13:59:44 來源:網絡 閱讀:403 作者:jokance 欄目:web開發

步驟:

  1. 讀取三篇文檔1.txt,2.txt,3.txt,里邊的內容分別為“this is php”,“this is html html”,“this is java”

  2. 分詞,并統計詞頻tf

  3. 計算文檔頻率df

  4. 計算每篇文檔的特征向量

  5. 計算搜索詞與文檔的夾角余弦值

<?php
    $_txts = array('1.txt','2.txt','3.txt');
    $_len = count($_txts);
    for ($i = 0;$i < $_len;$i++){
        $_contents[] = file_get_contents($_txts[$i]);   //讀取內容
    }
            
    for ($i = 0;$i < $_len;$i++){
        //分詞
        $_words[] = explode(' ',trim($_contents[$i])); 
        foreach ($_words[$i] as $_key=>$_value){
            $_value = trim($_value);
            $_value = preg_replace('/[.|,|(|)|-|;]/','',$_value);
            $_words[$i][$_key]=strtolower($_value);
                    
        }
        //統計文檔所有詞的長度,一般計算tf需要除以這個值,為了簡便,本次試驗省去這步
        //$_words_count[]=count($_words[$i]);
        //詞頻tf
        $_tf[] = array_count_values($_words[$i]);
        //去重
        $_words[$i]= array_unique($_words[$i]);
    }  
            
    //合并
    $_words_com = array_merge($_words[0],$_words[1],$_words[2]);
    //文檔頻率
    $_df = array_count_values($_words_com);
    //特征向量
    for ($i = 0;$i < $_len;$i++){
        //初始化,與文檔頻率的維度相同
        $_vsm[$i] = $_df;
        //把每個維度的值設置為0
        foreach($_vsm[$i] as $_key=>$_value){
            $_vsm[$i][$_key] = 0;
        }
        for ($j=0;$j<count($_words[$i]);$j++){
            if (in_array($_words[$i][$j],$_words_com)){
                $_vsm[$i][($_words[$i][$j])] = ($_tf[$i][($_words[$i][$j])])*(log($_len/$_df[($_words[$i][$j])]));
                        
            }  
        }
    }  
            
    for($i = 0;$i < count($_vsm); $i++){
        echo '第'.($i+1).'篇文檔的特征向量: ('. implode(",",$_vsm[$i]).')<br/>';
    }
            
    //測試
    $_query = 'java';
    $_vsm_que = $_df;
    foreach($_vsm_que as $_key=>$_value){
        $_vsm_que[$_key] = 0;
    }
    if (in_array($_query,$_vsm_que)){
        $_vsm_que[$_query] = 1;
    }
            
    for ($i = 0; $i < count($_vsm); $i++){
        foreach($_vsm_que as $_key=>$_value){
            $_sim[$i] += ($_vsm[$i][$_key]) * ($_vsm_que[$_key]);
            $_w1 += pow($_vsm_que[$_key],2);
            $_w2 += pow($_vsm[$i][$_key],2);
        }
        //求夾角余弦值,相似度計算
        $_cos[$i] = $_sim[$i]/(sqrt($_w1)*sqrt($_w2));
        echo '<br/>';
        echo '第'.($i+1).'篇文檔的相似度:'.$_cos[$i];
    }
            
    arsort($_cos);
    foreach($_cos as $_key=>$_value){
        echo '<br/><br/>';
        echo '最符合的結果為第'.($_key+1).'篇文檔';
                
        break;
    }
?>


在瀏覽器運行的結果:


第1篇文檔的特征向量: (0,0,1.09861228867,0,0)
第2篇文檔的特征向量: (0,0,0,2.19722457734,0)
第3篇文檔的特征向量: (0,0,0,0,1.09861228867)

第1篇文檔的相似度:0
第2篇文檔的相似度:0
第3篇文檔的相似度:0.235702260396

最符合的結果為第3篇文檔

向AI問一下細節

免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。

AI

桂平市| 沛县| 荥阳市| 慈利县| 揭西县| 富裕县| 屏东县| 上饶县| 杨浦区| 汉源县| 油尖旺区| 定远县| 宣威市| 侯马市| 崇仁县| 章丘市| 商南县| 哈巴河县| 龙泉市| 宁阳县| 茂名市| 蒙山县| 东乌| 海伦市| 吐鲁番市| 阳泉市| 库车县| 临洮县| 麻城市| 徐州市| 思南县| 罗平县| 辽源市| 自贡市| 东山县| 三穗县| 固安县| 随州市| 麟游县| 逊克县| 湘阴县|