【问题标题】：Cosine similarity and PageRank余弦相似度和 PageRank
【发布时间】：2018-06-30 19:58:55
【问题描述】：
假设我有一个使用余弦相似度检索页面的搜索引擎。
但是，没有 idf 部分，只有 tf.
如果我为余弦公式添加页面排名。
公式可能会从一个语料库更改为另一个语料库？
例子-
Corpus A - Doc A, Doc B ---> A 和 B 之间有一条线。
Corpus A - Doc B ---> A 和 B 之间有一条线。
B页的分数会因语料而不同？
谢谢。
【问题讨论】：
标签：
information-retrieval
cosine-similarity
pagerank
trigonometry
【解决方案1】：
您的问题并不完全清楚。但让我试着解决你的担忧。
当您说余弦相似度计算中仅使用 tf 而不是 tf-idf 时，我猜您是通过构成术语的频率呈现网页。然后你说如果你把每个网页的PageRank值加上基于余弦相似度计算的相似度分数，公式是否会改变？我认为在这里你有一点歧义。公式永远不会改变，但是是的，组合分数可能因语料库而异。另外，您提供的示例不清楚。
那么，这就是你可能想知道的事情：
如果您计算不同语料库的余弦相似度或 PageRank，则分数可能会因语料库分布而异。 PageRank 是在被视为整个网络的网页集合上计算的，因此如果您考虑两个不同的语料库，那么网页的 PageRank 得分可能会有所不同！