일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- Microsoft
- 파이썬기초100제
- 투포인터
- 머신러닝
- 코드업
- LeetCode
- C#
- 파이썬
- GenerativeAI
- 클라우드
- 생성형AI
- Azure
- 파이썬기초
- 리트코드
- gcp
- 구글퀵랩
- 데이터사이언스
- 파이썬알고리즘
- 코드업파이썬
- Python
- codeup
- 자연어처리
- nlp
- Python3
- 빅데이터
- 알고리즘
- 릿코드
- Blazor
- two-pointer
- GenAI
Archives
- Today
- Total
목록추천시스템 (1)
Tech for good

목차 5. 벡터의 유사도(Vector Similarity) 5.1. 코사인 유사도(Cosine Similarity) 5.1.1. 코사인 유사도(Cosine Similarity) 5.1.2. 유사도를 이용한 추천 시스템 구현하기 5. 벡터의 유사도(Vector Similarity) 문서의 유사도를 구하는 일은 자연어 처리의 주요 주제 중 하나이다. 사람들이 인식하는 문서의 유사도는 주로 문서들 간에 동일한 단어 또는 비슷한 단어가 얼마나 공통적으로 많이 사용되었는지 의존한다. 기계도 마찬가지이다. 기계가 계산하는 문서의 유사도의 성능은 각 문서의 단어들을 어떤 방법으로 수치화하여 표현했는지(DTM, Word2Vec 등), 문서 간의 단어들의 차이를 어떤 방법(유클리드 거리, 코사인 유사도 등)으로 계산했는..
IT/Data Science
2021. 10. 20. 08:44