[讨论]向量相似性比较

[walterhj]

目前正在用matlab做中文文本话题发现的实验，现在已经将152篇文章处理成tfidf向量，导入到matlab后是个4014X152的矩阵(x)（4014是词语数量），再用svd函数对这个矩阵进行奇异值分解:
[u,s,v]=svd(x,0)，其中：
u为词语相关性矩阵，4014X152；
s为奇异值矩阵，152x152；
v为文章相关性矩阵，152x152；
所以，要找出这152篇文章中关注度最高的文章，需要对v矩阵的152个向量两两比较相似度，平均值最高的就是最受关注的话题。现在的问题是：要求出这个最高相似度，需要对v矩阵进行152X152=23104次dot计算（用for循环实现），效率太低！大家讨论下有没有其它高效的办法对矩阵进行两两向量相似度计算。（不知道我说清楚了没撒）

[云龙九现]

思路一、这个有些类似于排序算法中的问题
可以尝试一下多路排序，也就是多路比较
分别随机选择m篇文章，这m篇文章同时和另外m篇文章进行相似度比较
思路二、先聚类，再计算相似度，采用聚类算法