[問題] 好像一個有點難度的問題= =?

[Yaowei (成就你的大事)]

假設我有以下的資料：
        T1      T2      T3      T4      T5
Doc1    1       2       0       0       1
Doc2    3       1       2       3       0
Doc3    3       0       0       0       1
Doc4    2       1       0       3       0
Doc5    2       2       1       5       1
但我想計算哪幾個詞是相似的，因此我使用兩個詞之間的計算出來的分數

來決定它們之間是否相似(假設如果大於一個給定的值10的話)

１st：
由於一開始沒有決定誰與誰相似，因此，我先指定T1自己為一組==>C1={T1}
２nd：
因此，接下來會進行C1與T2的計算，計算如下：
C1 = <1, 3, 3, 2, 2>，　T2 = <2, 1, 0, 1, 2>.
SIM(T2, C1) = 1*2 + 3*1 + 3*0 + 2*1 + 2*2 = 11
由於SIM(T2, C1) = 11 >10，因此T2被認定與C1同一組

所以，現在變成C1 = {T1, T2}　為一組，但由於T1,T2同一組後，要重新計算其權重值

因此，新的權重值為：
C1 = <(1+3)/2, (3+1)/2, (3+0)/2, (2+1)/2, (2+2)/2> = <3/2, 4/2, 3/2, 3/2, 4/2>
３rd：
接下來又去計算與T3的相似程度以決定是否要歸在同組

SIM(T3, C1) = 0 + 8/2 + 0 + 0 + 4/2 = 6 <10

所以T3和C1不同組

==>C1 = {T1, T2}  C2 = {T3}
４th：
接下計算T4與C1　及　T4與C2的相似度計算，以決定T4要分至C1或C2去
SIM(T4, C1) = <0, 3, 0, 3, 5> . <3/2, 4/2, 3/2, 3/2, 4/2>
            = 0 + 12/2 + 0 + 9/2 + 20/2 = 20.5

SIM(T4, C2) = <0, 3, 0, 3, 5> . <0, 2, 0, 0, 1>
            = 0 + 6 + 0 + 0 + 5 = 11

由於皆大於10，因此取最大的，並將其分至最大的那組去
C1 = {T1, T2, T4}
C2 = {T3}
再重新計算C2的權重值，但由於C2沒加入任何的東西，因此即是T3的權重
C2 = <0, 2, 0, 0, 1>

由於C1新增了T4，因此，將T1, T2, T4的相加後除以３
C1 = <3/3, 7/3, 3/3, 6/3, 9/3>

不好意思麻煩大家了＝　＝，寫了好久還是沒什麼頭緒出來，

好像需要用到很多不同的資料結構及技巧才能寫的出來的樣子＝　＝

不知道是否有高手可以補充說明，要怎麼寫會比較好呢？感謝你囉^^

--

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 140.116.141.125
推 david220:問的有點偏，這是演算法設計的問題，不是perl的問題吧
推 Yaowei:是有點像演算法啦=  =只是好像需要用到Hash一堆有的沒的= =
→ Yaowei:就是有些小地方可能需要大家的建議會想的比較快Orz
推 Yaowei:所以才會問說若是用perl來寫 怎麼表達比較好^^||
推 Yaowei:因為有想過用矩陣 但perl中好像沒有，然後二維陣列好像也沒
→ Yaowei:實在是寫的有點亂了=  =才上來請教大家:)
推 imce:=.=要算新權重....一整個類神經網路0rz......不好的回憶
推 reizarc:看到有要帶公式作法的東西 ... 第一件事請洽 CPAN  :p
推 reizarc:不過看起還好像只要簡單的向量或是矩陣運算就夠了
推 Yaowei:cpan上面好像沒有可用的套件 我也有想過orz
推 Yaowei:恩恩 如r大大所講好像只要簡單的向量 但perl不清楚有?
推 LiloHuang:一整個algorithms ~_~"
推 reizarc:vector matrix 定有的阿 不過再看起來好像只用到 dot
→ reizarc:所以自己寫搞不好比較快 ...另外多維陣列 Perl 是沒問題的