楊楣
最常用的方法是將文本轉成
嵌入（embedding）之後，計算其餘弦相似度（cosine similarity）。詞嵌入最常用的方法是word2vec和Glove。
word2vec，顧名思義，就是將單詞轉換為向量：
（圖片來源：adventuresinmachinelearning.com）
具體的轉換方法，是用基於線性激活和softmax的神經網絡模型：
（圖片來源：adventuresinmachinelearning.com）
簡單來說，word2vec是通過模型基於上下文“預測”目標單詞。Glove則是基於上下文進行“降維”，將高維數據（原文本）轉換為低維數據（向量），並最小化重建誤差。
得到文本的向量表示後，就可以很方便地計算餘弦相似度了。
分享到:
