java 余弦相似度算法

余弦相似度是一种常用的相似度计算方法，可以用于文本分类、信息检索等领域。在Java中，可以通过以下步骤实现余弦相似度算法：

1. 首先将文本转换为向量表示，可以使用词袋模型或TF-IDF模型等方法。
2. 计算两个向量的点积，即将两个向量对应位置的元素相乘并求和。
3. 计算两个向量的模长，即将向量中每个元素的平方相加并开方。
4. 将步骤2和步骤3的结果相除，即可得到两个向量的余弦相似度。

下面是Java代码示例：

import java.util.HashMap;
import java.util.Map;

public class CosineSimilarity {
    public static double cosineSimilarity(Map<String, Integer> vector1, Map<String, Integer> vector2) {
        double dotProduct = 0.0;
        double norm1 = 0.0;
        double norm2 = 0.0;
        for (String key : vector1.keySet()) {
            if (vector2.containsKey(key)) {
                dotProduct += vector1.get(key) * vector2.get(key);
            }
            norm1 += Math.pow(vector1.get(key), 2);
        }
        for (String key : vector2.keySet()) {
            norm2 += Math.pow(vector2.get(key), 2);
        }
        return dotProduct / (Math.sqrt(norm1) * Math.sqrt(norm2));
    }

    public static void main(String[] args) {
        Map<String, Integer> vector1 = new HashMap<>();
        vector1.put("apple", 1);
        vector1.put("banana", 2);
        vector1.put("orange", 3);

        Map<String, Integer> vector2 = new HashMap<>();
        vector2.put("apple", 2);
        vector2.put("banana", 1);        vector2.put("peach", 3);

        double similarity = cosineSimilarity(vector1, vector2);
        System.out.println("Cosine similarity: " + similarity);
    }
}