VSM（向量空间模型）构建流程

VSM是一个比较经典的机器学习模型，有很多比较好的文章已经对这个模型进行了详细的介绍，在此就不在赘述相关的背景及其原理，个人将一些写的比较好的文章整理放在了参考资料：

构建流程：

1. 数据预处理：将准备用于输入的文档进行去噪、分词、编码格式转换、以及去除停用词等等。

2. 计算每个文档中每个term的TF值，然后使用公式进行归一化处理：
   

3. 再分别计算每个文档中每个term的IDF值：

   

4. 最后将每个term的tf值和idf值合并为tf-idf值，为了保证权值不偏向长文档，建议在tfidf值计算后再乘上文档长度的倒数进行归一化处理：
   

5. 将每个文档按照权值排序后构建向量，并计算两两向量之间的余弦值（也就是文档相相似度）

   最后，个人编写的样例工程：

样例工程代码：

VSM样例工程

参考资料

https://blog.csdn.net/quicmous/article/details/71263844

https://blog.csdn.net/flying_all/article/details/77152409

http://www.ruanyifeng.com/blog/2013/03/tf-idf.html

http://www.ruanyifeng.com/blog/2013/03/cosine_similarity.html

https://blog.csdn.net/aspirinvagrant/article/details/41250887

http://www.cnblogs.com/biyeymyhjob/archive/2012/07/17/2595249.html

http://www.cnblogs.com/haippy/archive/2011/10/04/2199144.html