余弦相似度与Okapi BM25有何不同？
我正在使用Elasticsearch进行研究。我打算使用余弦相似度，但我注意到它不可用，而我们将BM25作为默认评分功能。
有什么理由吗？余弦相似度是否不适用于查询文档？为什么选择BM25作为默认值？谢谢
问题答案：
长期的Elasticsearch使用TF /
IDF算法来查找查询中的相似性。但是以前的数字版本更有效地更改为BM25。您可以阅读文档中的信息。好的文章解释了什么是elasticsearch以及ES中的相似性。
您还可以为elasticsearch编写自定义算法。这里有一篇关于如何做的好文章。
-
问题内容： 我计算了两个文档的tf / idf值。以下是tf / idf值： 这些文件就像： 如何使用这些值来计算余弦相似度？ 我知道我应该计算点积，然后找到距离并除以点积。如何使用我的值来计算？ 还有一个问题： 两个文档的字数相同是否重要？ 问题答案： a * b是点积 一些细节： 是。在某种程度上，a和b必须具有相同的长度。但是a和b通常具有稀疏表示，您只需要存储非零条目，就可以更快地计算范数
-
问题内容： 假设您在数据库中按以下方式构造了一个表： 为了清楚起见，应输出： 请注意，由于向量存储在数据库中，因此我们仅需要存储非零条目。在此示例中，我们只有两个向量$ v_ {99} =（4,3,4,0）$和$ v_ {1234} =（0,5,2,3）$都在$ \ mathbb {R}中^ 4 $。 这些向量的余弦相似度应为$ \ displaystyle \ frac {23} {\ sqrt
-
问题内容： 如何找到向量之间的余弦相似度？ 我需要找到相似性来衡量两行文本之间的相关性。 例如，我有两个句子： 用户界面系统 用户界面机 …及其在tF-idf之后的向量，然后使用LSI进行标准化，例如 和。 如何测量这些向量之间的相似性？ 问题答案： 我最近在大学的信息检索部门做了一些tf-idf的工作。我使用了这种余弦相似度方法，该方法使用Jama：Java Matrix Package 。 有
-
本文向大家介绍Python 余弦相似度与皮尔逊相关系数 计算实例，包括了Python 余弦相似度与皮尔逊相关系数 计算实例的使用技巧和注意事项，需要的朋友参考一下 夹角余弦(Cosine) 也可以叫余弦相似度。 几何中夹角余弦可用来衡量两个向量方向的差异，机器学习中借用这一概念来衡量样本向量之间的差异。 (1)在二维空间中向量A(x1,y1)与向量B(x2,y2)的夹角余弦公式： (2) 两个n维
-
本文向大家介绍TF-IDF与余弦相似性的应用（二） 找出相似文章，包括了TF-IDF与余弦相似性的应用（二） 找出相似文章的使用技巧和注意事项，需要的朋友参考一下 上一次，我用TF-IDF算法自动提取关键词。 今天，我们再来研究另一个相关的问题。有些时候，除了找到关键词，我们还希望找到与原文章相似的其他文章。比如，"Google新闻"在主新闻下方，还提供多条相似的新闻。 为了找出相似的文章，需要用
-
问题内容： 我有两个标准化张量，我需要计算这些张量之间的余弦相似度。如何使用TensorFlow做到这一点？ 问题答案： 这将完成工作： 此打印