Me interesan las posibles maneras de modelar el algoritmo de similitud del coseno utilizando Solr. Tengo elementos a los que se les asigna un vector, por ejemplo:¿Es posible modelar la similitud del coseno en Solr/Lucene?
items = [
{ id: 1, vector: [0,0,0,2,3,0,0] },
{ id: 2, vector: [0,1,0,1,5,0,0] },
{ id: 3, vector: [2,3,0,0,0,1,0] },
{ id: 4, vector: [1,2,4,6,5,0,0] }
]
Y un vector de búsqueda al que los demás deben clasificarse.
Actualmente estoy modelando esto en ruby pasando todos los elementos y asignándoles un rango contra el vector de entrada. Aquí está la implementación de similitud del coseno que estoy usando:
module SimilarityCalculator
def self.get_similarity(vector1, vector2)
dp = dot_product(vector1, vector2)
nm = normalize(vector1) * normalize(vector2)
dp/nm
end
private
def self.dot_product(vector1, vector2)
sum = 0.0
vector1.each_with_index { |val, i| sum += val * vector2[i] }
sum
end
def self.normalize(vector)
Math.sqrt(vector.inject(0.0) { |m,o| m += o**2 })
end
end
Entonces, para obtener una lista clasificada me gustaría hacer algo como lo siguiente:
ranked = []
search_vector = [1,0,0,3,5,0,0]
items.each do |item|
rank = SimilarityCalculator.get_similarity(search_vector, item.vector)
{ id: item.id, rank: rank }
end
No sé lo suficiente sobre Solr para saber cómo esto sería modelado o incluso si puede, pero pensé que lo tiraría allí.
http://stackoverflow.com/a/1849270/272861 – Mikos