推荐系统技术之文本相似性计算（三）

今天这篇也比较长，但中间有部分是代码，7，8，9最后三节的信息我认为较为有用。前面说了两篇了，推荐系统技术之文本相似性计算（一）和推荐系统技术 --- 文本相似性计算（二）分别介绍了TFIDF和向量空间的相关东西，然后介绍了主题模型，这一篇我们就来试试这两个东西。词向量就不在这篇试了，词向量和这两个关系不大，不好对比，不过我最后也给出了代码。

工欲善其事,必先利其器，那么我们先来利其器，这里我们使用的是python的gensim工具包，地址是:https://radimrehurek.com/gensim/index.html，这个工具包很强大，我就不一一介绍了，反正我们需要的功能都有，而且我们用得很简单，它还可以分布式部署，感兴趣可以去官网看具体介绍。为什么不自己写？这个问题....呵呵.....呵呵....我写不出来.....至于安装，需要先安装python 2.6以上(废话)，NumPy 1.3以上，SciPy 0.7以上，后两个是python的科学计算的包。easy_install很容易搞定，这里就不废话了，windows上安装可能有点困难，但我很久没用过windows了，我电脑上安装很轻松，三四个命令搞定，可以去看gensim的官方文档，上面也有怎么安装，如果你装都装不上，那就google，百度，总有解决办法。除了gensim，还有个分词的包需要装一下，就是jieba分词，这个也很容易装。1. 数据准备