余弦相似性的文本计算思想

余弦相似度：

         在向量空间模型中，两个文本D1和D2之间的内容相关度Sim(D1，D2)常用向量之间夹角的余弦值表示，公式为：

简化点就是： 
其中D1，D2为文本D1，D2的向量表示，|D1|，|D2|分别表示向量D1，D2的模。例如文本D1的特征项为a，b，c，d，权值分别为30，20，20，10，类目C1的特征项为a，c，d，e，权值分别为40，30，20，10，则D1的向量表示为D1(30,20,20,10,0),C1的向量表示为C1（40，0，30，20，10）【此处两个文本的向量表示的特征项为两文本特征项的并集，一文本中没有该特征项则值为0】，则根据上式计算出来的文本D1与类目C1相关度Sim（D1，D2）= 0.86。