マハウトのコサイン類似度の計算

Question

2つのドキュメント間の類似性を見つけるために、私はこのタスクを実行するためにmahoutの使用を採用する予定です。

プロセスが含まれる：

2. 取り外しストップワード類似
度を与え
3. 実行コサイン類似度
4. （効果的な検索を行う）TF-IDFにドキュメントを変換します

私はこれをmahoutで実装する予定です。私はマハウトの初心者です。誰かがこれを実行するためにいくつかのチュートリアルで私を助け、文書間の類似性を計算する有効な手段かどうか教えてください。

Answer 1

何も実装する必要はありません。 seqdirectoryとseq2sparseを使用してデータをベクトル化します。その後、RowSimilarityJobを使用して、ペアワイズコサインの類似性を計算することができます。