问题描述

文本相似度分析的性能检测？

利用tf-idf算法和余弦相似度算法计算了文本之间的相似度，可是结果出来了，不知道结果的好坏啊，请问大神们有没有知道怎么评测结果的好坏啊？

解决方案

分析算法复杂度。如果算法太复杂，分析起来有困难，评价算法的好坏就是给数据量大小不等的测试样本，运行得到耗费的时间。
对数据量和运行时间的曲线拟合。
糟糕的算法就是随着数据量的增加，时间或者存储的开销呈现几何级数地发散出去。
好的算法是，时间随着数据的增加，呈现常数、收敛在某个值或者是线性增加的。

解决方案二：

也就是O(n^2) O(n^3) O(n!)这些都是不太好的算法
O(1) O(logn) O(n)相对来说就是好的算法。

解决方案三：

你可以用最短编辑距离来衡量你的文本相似度。