新书推介：《语义网技术体系》
作者：瞿裕忠，胡伟，程龚
   XML论坛     W3CHINA.ORG讨论区     计算机科学论坛     SOAChina论坛     Blog     开放翻译计划     新浪微博  
 
  • 首页
  • 登录
  • 注册
  • 软件下载
  • 资料下载
  • 核心成员
  • 帮助
    		•   Add to Google

    >> The future of AI, is the future of computer
    [返回] 中文XML论坛 - 专业的XML技术讨论区 → 计算机理论与工程 → 『 人工智能 :: 机器学习|数据挖掘|进化计算 』 → 文本分类问题[求助] ◇查看新帖 ◇ 用户列表 ◇

      发表一个新主题  发表一个新投票  回复主题  (订阅本版) 您是本帖的第 3353 个阅读者浏览上一篇主题  刷新本主题   树形显示贴子　浏览下一篇主题
     * 贴子主题： 文本分类问题[求助] 举报  打印  推荐  IE收藏夹 
       本主题类别:     
     surfsads 帅哥哟，离线，有人找我吗？
      
      
      等级：大一新生
      文章：1
      积分：52
      门派：XML.ORG.CN
      注册：2012/3/20

    姓名：(无权查看)
    城市：(无权查看)
    院校：(无权查看)
    给surfsads发送一个短消息 把surfsads加入好友 查看surfsads的个人资料 搜索surfsads在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 引用回复这个贴子 回复这个贴子 查看surfsads的博客楼主
    发贴心情 文本分类问题[求助]

    我把训练文档集根据TFIDF向量化如 Documenti=(TFIDF1,TFIDF2,TFIDF3...TFIDFn),
    Documenti为第i个文档, TFIDFn为第n个字的TFIDF值
    然後打算用cosine similarity计算新文档和训练文档集每个文档的相似度

    我想知道的是,新文档的向量是以什麽值构成的呢?
    必须同样以TDIDF构成的吗,如NewDi=(TFIDF1,TFIDF2,TFIDF3...TFIDFn)
    但我不知道怎样计算新文档每个字的TFIDF中的IDF.

    我看过维基百科的TF-IDF
    其中 idfi = log {|语料库中的文件总数| / |包含词语的文件数目|}

    对於要进行分类的新文档来说, [语料库中的文件总数]是 1,还是训练文档总数+1?
    也就是说,对新文档来说,所谓的[语料库中的文件总数]会否包含训练集的文档?

    请求解答,谢谢


       收藏   分享  
    顶(0)
      




    点击查看用户来源及管理<br>发贴IP：*.*.*.* 2012/3/20 3:15:00
     
     GoogleAdSense
      
      
      等级：大一新生
      文章：1
      积分：50
      门派：无门无派
      院校：未填写
      注册：2007-01-01
    给Google AdSense发送一个短消息 把Google AdSense加入好友 查看Google AdSense的个人资料 搜索Google AdSense在『 人工智能 :: 机器学习|数据挖掘|进化计算 』的所有贴子 访问Google AdSense的主页 引用回复这个贴子 回复这个贴子 查看Google AdSense的博客广告
    2025/8/9 10:32:37

    本主题贴数1，分页： [1]

    管理选项： 修改tag | 锁定 | 解锁 | 提升 | 删除 | 移动 | 固顶 | 总固顶 | 奖励 | 惩罚 | 发布公告
    W3C Contributing Supporter! W 3 C h i n a ( since 2003 ) 旗 下 站 点
    苏ICP备05006046号《全国人大常委会关于维护互联网安全的决定》《计算机信息网络国际联网安全保护管理办法》
    		 46.875ms