[NHẠC] Chúng ta hãy lấy các TFIDF này và
làm một vài việc thú vị với chúng. Đầu tiên chúng ta sẽ làm bằng tay, ok, hãy để tôi nhập vào đây. Chúng ta sẽ tính bằng tay các khoảng cách giữa mọi người. Mục đích ở đây là để chỉ ra
các khoảng cách trông như thế nào, để có cảm giác về những gì
chúng ta đang học từ TFIDF. Ví dụ hãy lấy ba người. Chúng ta đã nói về Obama rồi. Chúng ta đã có biến số Obama ở đây. Hãy tạo ra hai biến mới. Chúng ta nói Clinton
mà tôi sẽ lựa chọn. Tên của người này giống với Bill Clinton, Tổng thống trước kia của Mỹ. Hãy lựa chọn một người nữa,
ví dụ hãy chọn Beckham. Beckham là một người Anh nổi tiếng, cầu thủ bóng đá người Anh và chúng ta sẽ lựa chọn ra người mà tên của họ giống nhau, tên thật của anh ấy là
David Beckham. Bây giờ chúng ta đã lựa chọn Clinton và Beckham,
 hãy tính sự tương đồng giữa hai người, và tổng thống Barack Obama. Những gì chúng ta sẽ làm là đặt câu hỏi. Obama gần với Clinton hơn Beckham phải không? Ok có một lỗi nhỏ ở đây. Obama gần với Clinton
hơn Beckham phải không? Bây giờ có nhiều cách để
đo sự tương đồng hoặc các khoảng cách giữa hai vectơ,
hoặc trong trường hợp này là hai tài liệu. Chúng ta đã tính TFIDF. Việc chúng ta sẽ làm là
tính khoảng cách giữa các tài liệu khác nhau, một cái về Clinton,
một cái về Obama và vân vân. Tôi sẽ sử dụng ma trận
khoảng cách đã được thực hiện bên trong Graphlab Create,
 vì thế chúng ta không phải thực hiện chúng. Chúng ta cần phải nhìn vào
graphlab.distances and ấnTab, bạn sẽ thấy một số lựa chọn ở đây. Khoảng cách Clinton mà chúng ta đã nói,
khoảng cách cô sin, sự tương đồng jaccard và vân vân
chúng ta sẽ thấy trong suốt chuỗi học này. Chúng ta sẽ sử dụng khoảng cách cô sin. và chỉ giống như một ghi chú nhỉ, thông thường
 chúng ta nghĩ về sự tương đồng cô sin. Nếu bạn đã nghe về điều này. số càng cao thì sự tương đồng
giữa hai bài báo càng nhiều. Ở đây chúng ta có khoảng cách của
con số này, vì thế càng thấp càng tốt. Khoảng cách cô sin càng thấp,
các bài báo càng gần. Câu hỏi là khoảng cách cô sin giữa tfidf của Obama và Clinton là gì? Nhưng hãy lưu ý rằng tôi đã lựa chọn
cột tfidf và tôi phải có số 0 nhỏ ở cuối bởi vì nó là hàng thứ 0 của bảng này. Bảng chỉ có một phần tử trong nó nhưng chúng ta vẫn nói hàng của bảng
chúng ta đang thấy. Và chúng ta sẽ so sánh tfidf
của Obama với tfidf của Clinton. Cũng ở 0, khoảng cách cô sin và bạn thấy rằng khoảng cách là 0.83. Bây giờ câu hỏi là khoảng cách giữa chúng trong cùng một số liệu trong khoảng cách cô sin
 giữa Obama và Beckham là gì? Tôi sẽ nhập Obama tfidf, được tính tại 0, với tfidf của Beckham cũng tại 0. Và bạn sẽ thấy khoảng cách này là 0.97. Khoảng cách lớn hơn bạn có là 1.0. Và trong trường hợp này Obama gần với Clinton hơn rất nhiều là với
Beckham, điều này có rất nhiều ý nghĩa. Nhưng chúng ta đã làm điều này bằng tay
với một vài người, làm thế nào chúng ta làm tự động quá trình tìm ra
sự tương đồng giữa các bài báo. Và trong trường hợp này một người
giống với người khác như thế nào Trong các bài giảng, Emily đã nói về
các mô hình hàng xóm gần nhất và cách chúng có thể được
sử dụng cho việc thu hồi tài liệu. Hôm nay chúng ta sẽ thực sự làm
một số thao tác thu hồi tài liệu sử dụng mô hình hàng xóm gần nhất. [NHẠC]