基于百度百科的相关词推荐（1）——特征向量提取

相关词推荐问题就是一个计算任意两个词相似度的问题。 1. 制作爬虫，获取百科页面，首批语料有10万多条记录。 2. 解析百科页面，利用lucene 制作索引index（字段：title,id,summary）。 3.相关词推荐算法 我们最终要获取任意两个词的相似度Sim(Wi,Wj)。 基本思想：每条记录有 title-summary 信息，对于一个词Wi，它的summary信息就是对该词的详细解

>>阅读原文<<