算法思想：提取文档的TF/IDF权重，然后用余弦定理计算两个多维向量的距离来计算两篇文档的相似度，用标准的k-means算法就可以实现文本聚类。源码为java实现
2019-12-21 20:02:37
9KB
1
该资源主要参考我的博客：word2vec词向量训练及中文文本相似度计算
http://blog.csdn.net/eastmount/article/details/50637476
其中包括C语言的Word2vec源代码（从官网下载），自定义爬取的三大百科（百度百科、互动百科、维基百科）中文语料，涉及到国家、景区、动物和人物。
同时包括60M的腾讯新闻语料，是一个txt，每行相当于一个新闻。
国家包括了Python的Jieba分词代码，详见博客。
免费资源希望对你有所帮助~
2019-12-21 19:41:38
142.09MB
1
用来得到TXT文本中词语的相关性的深度学习模型，需要分词，text8为样例，运行脚本可以直接开始训练。最后得到.bin模型
2019-12-21 18:59:02
31.81MB
1
java实现的文本相似度系统，使用向量空间模型以及余弦相似度距离公式，实测可以实现2篇文本的相似度计算且有一定的效果。
2019-12-21 18:56:02
46.37MB
1
中文文本相似度匹配算法 simHash 海明距离 IK分词
完整的可运行的示例代码 包含simHash 算法，使用IK 对中文文本进行分词处理
2019-12-21 18:54:18
4.73MB
1