python - 获得 model.docvecs.similarity_unseen_docs(document_1, document_2) 的负分

Question

我试图找出 2 个文档之间的相似性，即“document_1”和“document_2”。我正在使用Doc2Vec Gensim 的keyedvectors.py来查找相似度分数。

score = model.docvecs.similarity_unseen_docs(trainedModel, document_1, document_2)
print(score)

分数为负的地方。

这里 document_1 和 document_2 是NLTK 的 word_tokenize() 的结果

当我们试图找到两个“标记化”文档之间的相似性时，负分意味着什么？

PS：在 10 个文档（每个 2 页）=20 页 MS word 文档上训练模型。

标签： pythonnlpnltkgensim

Answer 1

如果它使用余弦相似度，则范围为 [-1, 1]。" 因此判断方向而不是大小：方向相同的两个向量的余弦相似度为 1，90° 的两个向量的相似度为 0，截然相反的两个向量的相似度为 -1，与他们的规模