余玄相似度，TF-IDF

能干什么？

　　文章去重，语句去重，提取关键词（文章摘要，页面指纹），图片识别，语音识别

想要做一个相似度，最重要的是什么？

　　必须得到一个度量：计算个体之间的相似程度（分数，0-1之间，0代表完全不同，一代表完全一样）

　　相似度值越小，距离越大，相似度值越大，距离越小

　　两方面考虑：

　　　　文本角度

　　　　语义角度

　　　　　　例如：这个菜真好吃

　　　　　　　　　这个菜真难吃           ---------- > 文本角度来看，相似度非常高，语义角度就非常低

最常用：

　　　余玄相似度  ------> 计算两个向量夹角的余玄来计算相似度

　　　 一个向量空间中两个向量夹角的余弦值作为衡量两个个体之间差异的大小

　　　余弦值接近1，夹角趋于0，表明两个向量越相似

　　　

　　　　0度角的余弦值是1，而其他任何角度的余弦值都不大于1；并且其最小值是-1。从而两个向量之间的角度的余弦值确定两个向量是否大致指向相同的方向。两个向量有相同的指向时，余弦相似度的值为1；两个向量夹角为90°时，余弦相似度的值为0；两个向量指向完全相反的方向时，余弦相似度的值为-1。这结果是与向量的长度无关的，仅仅与向量的指向方向相关。余弦相似度通常用于正空间，因此给出的值为0到1之间。

　　　　cos(