问题补充说明：什么是余弦相似度?
余弦相似度
在向量空来自间模型中，文本泛指各种机器可读的记录。用D(Document)表示，特征备场新项(Term，用t表示)是指出现在文档D中且能够代360问答表该文档内容的基本语言单位，主要是由词或者短语构成，文本可以用特征项集表示为D(T1，T2，…，Tn)，其中Tk是特征项，1<=k<=N。例如一篇文档中有a、b、c、d四个特征项，那么这篇文档就可以表示为D(a，b，c，d)。对含有n个特征项的文本而言，它在通常会给每个特征项赋予一定的权重表示其重要程度。即D=D(T1，W1;T2，W2;…，Tn，Wn)，简记为D=D(W1，W2，…，Wn)，我们把乱当跳握板传它叫做文本D的向量表示。其中Wk是Tk的权重，1<=k<=N。在上面那个例子中，假设a、b、c、d的权重分别为30，20，云探容困坐会丰热万黑20，10，那么该文本的向量表示为D(30，20，20，10)。在向量空间模型中，两个文本D1和D2之间的内容相关度Sim(D1，D2)常用向量之间夹角的余弦值表示，公式为:
其中，W1k、W2k分别表示文本D1和D2第K个特征项的权值，1<=k<=N。
在自动归类中，我们可以利用类似的方法来计算待归类文档和某类目的相关度。例如文本D1的特征项为a，b，c危送早哥等意安适存束液，d，权值分别为30，20，20，10，类目C1的特征项为a，c，d，e，权值分别为40，30，20，10，则D1的氢京坏帮布维向量表示为D1(30,20,2关秋罗础义叫做研善0,10,0),C1的向量表示为C1(40，0，30，20，10)，则根据上式计算出来的文本D1与类目C1相关度是0.86
那个相关度0.86是怎么算出来的?
是这样的，抛开你的前面的赘述
在数学当中，n维向量是V{异理直脚v1,v2,v3,...,vn}
他的模:|v|=sqrt(v1*v1+v2*v2+...+vn*vn)
两个向量他你格的点击m*n=n1*m1+n派单师成断2*m2+......+nn*mn
相似度=(m*n)/(|m|*汉呀|n|)
物理意义就是两个向量的空间夹角的余弦数值
对于你的例子
d1*c1=30*40+20*0+20*30+10*20+0*10=2000
|d1|=sqrt(30*30+20*20+20*20+10*10+0*0)=sqrt(1800)
|c1|=s额那带措铁司qrt(40*40+0*边对采0+30*30+20*20+10*10)=sqrt(3000)
相似度=d1*c1/(|d1|*|c1|)=2000/sqrt(180宽城觉具减前超眼0*3000)=0.86066
标签：余弦
