Vector Space model

text documentをvectorとして扱う手法。 類似度はcosine類似度ではかるのが一般的。

• \(M\),
  • documentの総数
• \(t\),
  • 全documentの単語の総数
• \(d_{j} := (w_{1, j}, \ldots, w_{t, j})\),
  • document $j$の単語の列
  • 単語がdocument $j$に含まれていれば\(w_{k, j}\)は非ゼロになる
• \(q =\),
  • $q$は類似度を測りたいドキュメントないし、検索ワード

この類似度を以下で計測する。

\[s(d_{j}, q) := \frac{ <d_{j}, q> }{ \|d_{j} \| \|q \| }\]

Reference

• Vector space model - Wikipedia