相似文章推薦：在用戶閱讀某篇文章時，為用戶推薦更多的與在讀文章內(nèi)容相類似的文章

　　相關概念：

推薦(Recommended)：指介紹好的人或事物，希望被任用或接受。數(shù)據(jù)挖掘領域，推薦包括相似推薦和協(xié)同過濾推薦。

相似推薦(Similar Recommended)： 指當用戶表現(xiàn)出對某人或者某物的興趣時，為他推薦與之相類似的人或者物，核心定理：人以群分，物以類聚。

協(xié)同過濾推薦(Collaborative Filtering Recommendation)：指利用已有用戶群過去的行為或意見，預測當前用戶最可能喜歡哪些東西或?qū)δ男〇|西感興趣

相關文章推薦主要基于余弦相似度的計算原理。

余弦相似度（Cosine Similarity）：用向量空間中兩個向量夾角的余弦值作為衡量兩個個體見差異的大小。余弦值越接近1，就表明夾角越接近0度，也就是兩個向量越相似，這個特征叫做余弦相似性。

? ? ? ? ??

?

文章的余弦相似度：

素材：文章A、文章B

#對兩篇文章進行分詞，? 得到? [A] 、 [B]? 兩個分詞列表

#根據(jù)分詞結果構建分詞語料庫，得到 [C] = [A] | [B]?

#根據(jù)語料庫分別統(tǒng)計A、B的詞頻（向量化，需要嚴格按照分詞語料庫單詞的順序）

#計算余弦值

?

具體實現(xiàn)：在構建語料庫/中文分詞/文檔向量化之后

#計算余弦相似度 from sklearn.metrics import pairwise_distances #計算每行之間的距離,得到距離矩陣 distance_matrix = pairwise_distances(textVector,metric='cosine')#排序得到距離第2-6名的矩陣元素 sort = np.argsort(distance_matrix,axis=1)[:,1:6] similar5 = pd.Index(filepath)[sort].values#得到相似度前5的文章路徑數(shù)據(jù)框 similarDF = pd.DataFrame({'filepath':corpos.filePath,'s1':similar5[:,0],'s2':similar5[:,1],'s3':similar5[:,2],'s4':similar5[:,3],'s5':similar5[:,4],})

?

轉(zhuǎn)載于:https://www.cnblogs.com/rix-yb/p/9720999.html

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結

以上是生活随笔為你收集整理的数据挖掘——相似文章推荐的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。