如何解决如何计算两个文件之间的余弦相似度?
我正在使用 spark 和 scala 来实现一个问题。我正在使用包含 ratings.csv 文件、movie.csv 和 tag.csv 的 MovieLens 数据集。我想使用基于域的方法来计算标签之间的余弦相似度。我将两个文件转换为一个字符串并计算相似度。
代码:
val lines=Source.fromURL(Source.getClass().getResource("file:///usr/loca/spark/dataset/algorithm3/comedy")).mkString("\n")
val lines2=Source.fromURL(Source.getClass().getResource("file:///usr/local/spark/dataset/algorithm3/funny")).mkString("\n")
val result=textCosine(lines,lines2)
println("The cosine similarity score: "+result)
}
def module(vec:Vector[Double]): Double ={
math.sqrt(vec.map(math.pow(_,2)).sum)
}
def innerProduct(v1:Vector[Double],v2:Vector[Double]): Double ={
val listBuffer=ListBuffer[Double]()
for(i<- 0 until v1.length; j<- 0 until v2.length;if i==j){
if(i==j){
listBuffer.append( v1(i)*v2(j) )
}
}
listBuffer.sum
}
def cosvec(v1:Vector[Double],v2:Vector[Double]):Double ={
val cos=innerProduct(v1,v2) / (module(v1)* module(v2))
if (cos <= 1) cos else 1.0
}
def textCosine(lines:String,lines2:String):Double={
val set=mutable.Set[Char]()
lines.foreach(set +=_)
lines2.foreach(set +=_)
println(set)
val ints1: Vector[Double] = set.toList.sorted.map(ch => {
lines.count(s => s == ch).todouble
}).toVector
println("===ints1: "+ints1)
val ints2: Vector[Double] = set.toList.sorted.map(ch => {
lines2.count(s => s == ch).todouble
}).toVector
println("===ints2: "+ints2)
cosvec(ints1,ints2)
}
}
Exception in thread "main" java.lang.NullPointerException
at scala.io.source$.fromURL(Source.scala:141)
at com.algorithm.similarity$.main(similarity.scala:18)
at com.algorithm.similarity.main(similarity.scala)
怎么了?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。