189 8069 5689
也可以利用knn分类器等分类方法判断相似与否，用deeplearning的话：短文本：拿word2vec开始，然后上面套CNN（如果n-gram更重要），或者LSTM做短文本的embedding，然后算两个文档在embeddingspace里的相似度。
创新互联公司主要从事成都网站制作、成都做网站、网页设计、企业做网站、公司建网站等业务。立足成都服务达拉特,十年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:13518219792
首先，如果不局限于NN的方法，可以用BOW+tf-idf+LSI/LDA的体系搞定，也就是俗称的01或one hot representation。其次，如果楼主指定了必须用流行的NN，俗称word-embedding的方法，当然首推word2vec（虽然不算是DNN）。
最简单的、最节省性能的方法是建立字典。 字典的索引就是字本身，遍历字符串，没遇到一个字就加入到字典中，加入的时候判断下，如果索引存在则加1，不存在则创建，然后在取字典最大值，大于6就报错。
首先考虑如何令“文档1中的每个词以不同权重匹配到另一个文档的所有词上”。如下图，很简单，我们允许“部分匹配”就可以了。
linux + thread + progress 这样子可以通过java调用linux命令 linux中有一个comm -12命令来实现比较两个文件的共同数据， 生成一个新文本。
因此对于一篇文档我们可以用文档中每个词的TFIDF组成的向量来表示该文档，再根据余弦相似度这类的方法来计算文档之间的相关性。
第一步：对用户查询进行分词。第二步：根据网页库（文档）的数据，计算用户查询中每个词的tf-idf 值。相似度的计算 使用余弦相似度来计算用户查询和每个网页之间的夹角。夹角越小，越相似。
第一步，计算所有评论的tf-idf 值。第二步，使用所有评论的tf-idf 值算出商品描述的tf-idf 值。第三步，计算每一个评论和商品描述之间的tf-idf 余弦相似度。
1). Levenshtein.hamming(str1， str2)计算汉明距离。要求str1和str2必须长度一致。是描述两个等长字串之间对应 位置上不同字符的个数。2). Levenshtein.distance(str1， str2)计算编辑距离（也称为 Levenshtein距离）。
最简单的、最节省性能的方法是建立字典。 字典的索引就是字本身，遍历字符串，没遇到一个字就加入到字典中，加入的时候判断下，如果索引存在则加1，不存在则创建，然后在取字典最大值，大于6就报错。
第一步：对用户查询进行分词。第二步：根据网页库（文档）的数据，计算用户查询中每个词的tf-idf 值。相似度的计算 使用余弦相似度来计算用户查询和每个网页之间的夹角。夹角越小，越相似。
这样子可以通过java调用linux命令 linux中有一个comm -12命令来实现比较两个文件的共同数据， 生成一个新文本。