ElasticSearch 了解文本相似度 TF-IDF吗?

是的,ElasticSearch了解文本相似度中的TF-IDF(Term Frequency-Inverse Document Frequency)算法。TF-IDF是一种用于衡量文档中词语重要性的度量方法,常用于文本搜索和文本相似度比较。

在ElasticSearch中,TF-IDF可以通过其自带的分析器(Analyzer)和聚合功能来实现。通过使用适当的分析器对文档进行分词,可以计算每个单词在文档中的频率和在整个文档集合中的稀有程度,从而得到TF-IDF值。这些值可以用于相似度比较和搜索排名。

除了TF-IDF之外,ElasticSearch还提供了其他文本相似度算法,如余弦相似度、编辑距离和词向量模型等。用户可以根据需求选择适当的算法来进行文本相似度比较和搜索。

简单地说,就是你检索一个词,匹配出来的文章,网页太多了。比如 1000 个,这些内容再该怎么呈现,哪些在前面哪些在后面。这需要也有个对匹配度的评分。

TF-IDF 就是干这个的。

TF = Term Frequency 词频,一个词在这个文档中出现的频率。值越大,说明这文档越匹配,正向指标。

IDF = Inverse Document Frequency 反向文档频率,简单点说就是一个词在所有文档中都出现,那么这个词不重要。比如"的、了、我、好"这些词所有文档都出现,对检索毫无帮助。反向指标。

TF-IDF = TF / IDF

复杂的公式,就不写了,主要理解他的思想即可。

相关推荐
PersistJiao28 分钟前
在 Spark RDD 中,sortBy 和 top 算子的各自适用场景
大数据·spark·top·sortby
2301_8112743140 分钟前
大数据基于Spring Boot的化妆品推荐系统的设计与实现
大数据·spring boot·后端
Yz98761 小时前
hive的存储格式
大数据·数据库·数据仓库·hive·hadoop·数据库开发
青云交1 小时前
大数据新视界 -- 大数据大厂之 Hive 数据导入:多源数据集成的策略与实战(上)(3/ 30)
大数据·数据清洗·电商数据·数据整合·hive 数据导入·多源数据·影视娱乐数据
武子康1 小时前
大数据-230 离线数仓 - ODS层的构建 Hive处理 UDF 与 SerDe 处理 与 当前总结
java·大数据·数据仓库·hive·hadoop·sql·hdfs
武子康1 小时前
大数据-231 离线数仓 - DWS 层、ADS 层的创建 Hive 执行脚本
java·大数据·数据仓库·hive·hadoop·mysql
时差9531 小时前
Flink Standalone集群模式安装部署
大数据·分布式·flink·部署
锵锵锵锵~蒋1 小时前
实时数据开发 | 怎么通俗理解Flink容错机制,提到的checkpoint、barrier、Savepoint、sink都是什么
大数据·数据仓库·flink·实时数据开发
二进制_博客1 小时前
Flink学习连载文章4-flink中的各种转换操作
大数据·学习·flink
大数据编程之光1 小时前
Flink入门介绍
大数据·flink