向量类似度计算过程：

  1，首先应用tf * idf模型，获得关键字在全文中的权重：html TFIDF的主要思想是：若是某个词或短语在一篇文章中出现的频率TF高，而且在其余文章中不多出现，则认为此词或者短语具备很好的类别区分能力，适合用来分类。性能 1）词频（term frequency，TF）指的是某一个给定的词语在该文件中出现的频率。这个数字是对词数(term count)的归一化，以防止它偏向长的文件。spa

>>阅读原文<<