包括将txt文件的每个字录入并计算出现次数和计算权重的函数，语料库是大约十万字的66篇论文，tfidf.py中是对文章向量化处理和计算夹角的函数，可以用于文章的分类和论文的查重，由于语料库很少，所以可能结果精度不高。
2023-02-09 15:16:59
7.31MB
1
TFIDF_cpp
TF-IDF在C ++中的实现
需要修改函数loadData()以适合实际情况。
两种版本的输出
Eigen::MatrixXf对象。
std::vector>对象。
/ lyric_similarity
在音乐歌词相似度计算中使用TF-IDF。
单线程和多线程版本。
用g ++编译单线程版本
g++ -std=c++0x -Wall -o lyricSimilarity lyricSimilarity.cpp -static-libstdc++
编译多线程版本
g++ -std=c++0x -Wall -o lyricSimilarity_multithreading lyricSimilarity_multithreading.cpp -static-libstdc++ -lpthread
2022-06-05 23:17:59
43KB
1
读取82个txt文件，文本预处理，计算tfidf值，将矩阵导出excel，获取词袋，将词袋写入excel，计算余弦相似度并导出excel
2022-04-27 16:35:06
2KB
1
fake_news_TFIDF_analysis
使用TFIDF分析进行假新闻预测
资料来源：Kaggle资料集
网址： ：
目的：
阿拉伯联合酋长国TF-IDF数据处理和相关单词的特征提取
使用新闻数据集来训练MLlib中的不同分类回归模型。
使用训练有素的模型来确定哪些绩效更好。
要求：
安装了Spark
客观的 ：
使用TF-IDF数据处理和特征提取来识别文本中更相关的单词
执行步骤以提取特征并标记并提交给分类回归模型。
演示使用MLlib库的不同方法。
2022-03-29 22:58:06
29.01MB
1