【发布时间】：2013-04-05 08:24:50
【问题描述】：
我正在寻找方法来提高 TF-IDF 称重方案在字符串匹配（相似性）中的准确性。主要问题是 TF-IDF 对 stings 中的拼写错误很敏感，并且大多数大型数据集往往有拼写错误。 我意识到编辑距离的变体（基于字符的相似性度量——levienshtein、仿射气体、Jaro 和 Jaro-winkler）适用于计算存在印刷错误的字符串之间的相似性，但不适用于单词乱序的情况字符串。
因此我想使用编辑距离校正功能来提高 TF-IDF 的准确性。
我们将不胜感激有关如何应对这一挑战的任何想法。
提前致谢。
【问题讨论】：
标签： edit classification similarity tf-idf