为什么余弦相似度和TF-IDF一起使用？

Question

TF-IDF并且Cosine Similarity是文本聚类的常用组合.每个文档由TF-IDF权重的向量表示.

这就是我的教科书所说的.

使用余弦相似度,您可以计算这些文档之间的相似性.

但为什么这些技术一起使用呢？
有什么好处？

可以使用例如Jaccard Similarity吗？

我知道,它是如何工作的,但我想知道,为什么这些技术正是如此.

Answer 1

TF-IDF 是使用的权重。

余弦是使用的度量。

您可以使用不加权的余弦，但结果通常会更糟。Jaccard 在集合上工作 - 如何使用权重而不将其变成其他东西而不使其与余弦相同并不明显。