余弦相似性

余弦相似性大家都非常熟悉，它是定义在向量空间模型（VSM）中的，定义如下：

其中，A、B为向量中间中的两个向量。

在使用它来做字符串相似性度量的时候，需要先将字符串向量化，通常使用词袋模型（BOW）来向量化。

举个例子如下： String1 = 'apple' String2 = 'app' ，则词包为{'a','e','l','p'}，若使用0,1判断元素是否在词包中，字符串1、2可以转化为：

StringA = [1111] StringB = [1001] 。根据余弦公式，可以计算字符串相似性为：0.707