2、TF-IDF和BM25

这两者计算的都是文档和文本之间的相似度，如果是两个短文本貌似也可以。 1、TF-IDF = TF * IDF       假设文本是“我怎么这么帅气”，4个词，第一个词“我”， 文档1中一共有10个词，“我”有2次，这个词的词频都是2，这就是TF       第一个词“我”，在所有文档中，有“我”这个词的文档数是m，文档总数是n，则IDF = log（n/（m+1））       所有词叠加就是这

>>阅读原文<<