Vector 转换成TFIDF值向量的类似文档如何在向量空间中查看

这可能是一个奇怪的问题，但我忍不住想知道。假设我有三份文件：

• d1=“我的名字是斯特凡。”
• d2=“我的名字是大卫。”
• d3=“你好，你好吗？”

---

如果我将所有这3个文档转换为

TFIDF

值向量，在向量空间中，文档

d1

和

d2

会比文档

d2

和

d3

更接近吗？对不起，如果这是一个愚蠢的问题，但我真的很想以某种方式形象化，以便更好地理解它。提前谢谢你

是的，他们会更近

演示：

---

是的，他们会更近

演示：

In [21]: from sklearn.feature_extraction.text import TfidfVectorizer

In [22]: from sklearn.metrics.pairwise import cosine_similarity

In [23]: tfidf = TfidfVectorizer(max_features=50000, use_idf=True, ngram_range=(1,3))

In [24]: r = tfidf.fit_transform(data)

In [25]: s = cosine_similarity(r)

In [26]: s
Out[26]:
array([[1.        , 0.53634991, 0.        ],
       [0.53634991, 1.        , 0.        ],
       [0.        , 0.        , 1.        ]])

In [27]: data
Out[27]: ['My name is Stefan.', 'My name is David.', 'Hello, how are you?']