计算mahout中的余弦相似度

Question

为了找到两个文档之间的相似度，我计划采用mahout来执行此任务。

的方法将包括：

1. 该文档转换为TF-IDF
2. 移除停止词（使搜索有效）
3. 运行余弦相似度
4. 给相似
程度

我打算在mahout中实现这一点。我是一个初学者mahout，有人可以帮我几个教程来执行此操作，并告诉我，如果这是一个有效的方法来计算文档之间的相似度

Answer 1

你不需要实现任何东西。使用seqdirectory和seq2sparse来矢量化你的数据。之后，您可以使用RowSimilarityJob来计算成对余弦相似度。