在好例子网,分享、交流、成长!
您当前所在位置:首页C# 开发实例常用C#方法 → c#版 文档相似度比较 TF*IDF 算法的实现

c#版 文档相似度比较 TF*IDF 算法的实现

常用C#方法

下载此实例
  • 开发语言:C#
  • 实例大小:1.63KB
  • 下载次数:64
  • 浏览次数:2012
  • 发布时间:2013-05-17
  • 实例类别:常用C#方法
  • 发 布 人:crazycode
  • 文件格式:.zip
  • 所需积分:2
 相关标签: 算法

实例介绍

【实例简介】可直接拿来测试哦
【实例截图】
【核心代码】
using System;
using System.Collections.Generic;
using System.Text;
using System.Text.RegularExpressions;

namespace Test.TFIDF
{
    class IF_IDF
    {
        /// <summary>
        /// 获取拆分后的词组以及每个词的出现次数
        /// </summary>
        /// <param name="text"></param>
        /// <returns></returns>
        public Dictionary<string, int> GetWordsFrequnce(string text)
        {
            
            Dictionary<string, int> dictionary = new Dictionary<string, int>();
            Regex regex = new Regex(@"[\u4e00-\u9fa5]");//分拣出中文字符
            MatchCollection results = regex.Matches(text);
            int temp;
            foreach (Match word in results)
            {
                if (dictionary.TryGetValue(word.Value, out temp))
                {
                    temp  ;
                    dictionary.Remove(word.Value);
                    dictionary.Add(word.Value, temp);
                }
                else
                {
                    dictionary.Add(word.Value, 1);
                }
            }
            return dictionary;
        }
        /// <summary>
        /// 文档中出现次数最多的词的出现次数
        /// </summary>
      
        /// <param name="wordsfre">拆分后的词组字典</param>
        /// <returns></returns>
        public int MaxWordFrequence( Dictionary<string, int> wordsfre)
        {
            Dictionary<string, int>.ValueCollection values = wordsfre.Values;
            int maxfre = 0;
            foreach (int value in values)
            {
                if (maxfre < value)
                {
                    maxfre = value;
                }
            }
            return maxfre;
        }
        /// <summary>
        /// 计算某词的IF,返回结果
        /// </summary>
        /// <param name="wordFre"></param>
        /// <param name="maxFre"></param>
        /// <returns></returns>
        public double[] TF(string text)
        {
            Dictionary<string, int> dictionary = GetWordsFrequnce(text);
            int maxFre = MaxWordFrequence(dictionary);
            double[] tf = new double[dictionary.Keys.Count];
            //for (int i=0; i< wordFre.Length; i  )
            //{
            //    tf[i] = wordFre[1] / maxFre;
            //}
            Dictionary<string,int>.ValueCollection values=dictionary.Values;
            int flag = 0;
            foreach(int Fre in values)
            {
                tf[flag] = Fre / maxFre;
                flag  ;

            }
            return tf;
        }
        /// <summary>
        /// 计算逆向词频,返回结果
        /// </summary>
        /// <param name="word"></param>
        /// <param name="text"></param>
        /// <returns></returns>
        public  double[] IDF(string text,string []texts)
        {
            Dictionary<string, int> dictionary = GetWordsFrequnce(text);
            double[] idf = new double[dictionary.Keys.Count];
            //int total_file = text.Length;//文件总数
            int []file_num = new int[dictionary.Keys.Count];            //含有该词组的文件数
            int flag = 0;
            foreach(string word in dictionary.Keys)
            {
                file_num[flag] = 0;
                for (int j=0; j < texts.Length; j  )
                {
                    if (texts[j].Contains(word))
                    {
                        file_num[flag]  ;
                    }
                }
                idf[flag] = Math.Log( texts.Length / file_num[flag],2) 1;
                flag  ;
            }
            
            return idf;

        }
        /// <summary>
        /// 计算所有文档中的词组的权重
        /// </summary>
        /// <param name="texts"></param>
        /// <returns></returns>
        public double [][]TF_IDF(string []texts)
        {
            double[][] tf_idf=new double[texts.Length][];
            for (int i=0; i< texts.Length; i  )
            {
                double[] tf = TF(texts[i]);
                double[] idf = IDF(texts[i], texts);
                tf_idf[i] = new double[tf.Length];
                for (int j = 0; j < tf.Length; j  )
                {
                    tf_idf[i][j] = tf[j] * idf[j];
                }
            }

                return tf_idf;
        }
        /// <summary>
        /// 通过传入所有文档以及要比较的两份文档的索引,计算相似度,返回结果
        /// </summary>
        /// <param name="i">第i份文档</param>
        /// <param name="j">第j份文档</param>
        /// <param name="texts"></param>
        /// <returns></returns>
        public double Similarity(int i, int j,string []texts)
        {
            
            double[][] tf_idf =TF_IDF( texts);
            double sum=0;  //两向量内积
            double i_length=0; //两向量模长
            double j_length = 0;
            //计算内积
            for (int m = 0; m < tf_idf[i-1].Length;m   )
            {
                if (m >= tf_idf[j-1].Length)
                {
                    break;
                }
                sum  = tf_idf[i-1][m] * tf_idf[j-1][m];
            }
            //第i份文档的向量模长
            for (int n = 0; n < tf_idf[i-1].Length; n  )
            {
                i_length  = tf_idf[i-1][n] * tf_idf[i-1][n];
            }
            i_length = Math.Sqrt(i_length);
            // 第j份文档的向量模长
            for (int n = 0; n < tf_idf[j-1].Length; n  )
            {
                j_length  = tf_idf[j-1][n] * tf_idf[j-1][n];
            }
            j_length = Math.Sqrt(j_length);
            //夹角余弦值计算公式,两向量内积除以两向量的模长乘积
            return sum / (i_length * j_length);

        }

    }
}

标签: 算法

实例下载地址

c#版 文档相似度比较 TF*IDF 算法的实现

不能下载?内容有错? 点击这里报错 + 投诉 + 提问

好例子网口号:伸出你的我的手 — 分享

网友评论

发表评论

(您的评论需要经过审核才能显示)

查看所有0条评论>>

小贴士

感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。

  • 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  • 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
  • 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
  • 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。

关于好例子网

本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明

;
报警