README

文档距离/相似度是根据文档内容重叠度进行度量的。

解决此特定问题最常用的算法之一是余弦相似度——一种基于向量的相似度度量。这正是本库的功能所在。

两个文档的余弦距离由它们特征向量之间的角度定义，在我们的情况下，是词频向量。文档的词频分布是词到其频率计数的映射。

安装

建议使用Composer安装此库。

$ composer require adrianoferreira/document-distance:dev-master

计算两个远程文件之间的相似度百分比

echo ( new \AdrianoFerreira\DD\File( 'http://test.com/test.txt', 'http://test.com/test2.txt' ) )->getPercent();

计算两个本地文件之间的弧度大小

echo ( new \AdrianoFerreira\DD\File( __DIR__ . 'test.txt', __DIR__ . 'test2.txt' ) )->getArcSize();

计算两个任意字符串之间的相似度百分比

echo ( new \AdrianoFerreira\DD\Text( 'test 123 456', 'test 678 000' ) )->getPercent();

计算任意字符串之间的弧度大小

echo ( new \AdrianoFerreira\DD\Text( 'test 123 456', 'test 678 000' ) )->getArcSize();