向量空间模型（vector space model）在信息检索和搜索引擎中应用非常广泛。这个模型的关键是矩阵的建立，这就用到了之前一篇的 tf-idf 方法。下面先介绍两种矩阵：
Binary Incidence Matrix（二元关联矩阵）：
其中，行表示的是 term，列表示的是 document， 假如第i个document中出现了第j个term，就将相应的位置记为1，否则为0。这样，每个document被表示成维度为 |V| 的二进制向量。其中，|V| 为 term 的数目。
Count Matrix （计数矩阵）：
这里，第i行第j列表示的是第j个document中出现第i个term的数目。这样，每个document被表示成维度为 |V| 的计数向量，且都为非负整数。
下面，就到了最关键的部分。基于tf-idf，我们将得到Weight Matrix （权重矩阵）。
这里，第i行第j列表示的是第j个document中第i个term的 tf-idf 值。这样，每个document 被表示成维度为 |V| 的实数矩阵。
我们将terms 视为空间（space）里面的轴（axes），documents视为这个空间（space）里里面的点（points）或者向量（vectors），得到的将是一个非常高纬度的向量空间。从上面的矩阵可以看出，每个向量（vector）非常稀疏，因为有很多为0的值（entries）。
那我们怎么比较请求（query）和 document 之间的相似度呢？我们需要对documents的相似度做一个排序。
计算相似度有很多方法，这里我们主要介绍欧式距离（Euclidean distance）和余弦（Cosine）方法。
欧式距离（Euclidean distance）：
但是，通过欧氏距离来计算相似度的方法并不好，它没有将向量的长度考虑进来。采用Cosine方法，可以很好地解决这个问题。
Cosine:
Step 1: 归一化向量。归一化后的向量是原向量跟向量长度的比值。
Step 2: 计算 document 向量和 query 向量之间的相似度;
其中，
对于归一化后的向量，可以直接计算Cosine 相似度：
向量空间模型（vector space model）在信息检索和搜索引擎中应用非常广泛。这个模型的关键是矩阵的建立，这就用到了之前一篇的 tf-idf 方法。下面先介绍两种矩阵：
Binary Incidence Matrix（二元关联矩阵）：
其中，行表示的是 term，列表示的是 document， 假如第i个document中出现了第j个term，就将相应的位置记为1，否则为0。这样，每个document被表示成维度为 |V| 的二进制向量。其中，|V| 为 term 的数目。
Count Matrix （计数矩阵）：
这里，第i行第j列表示的是第j个document中出现第i个term的数目。这样，每个document被表示成维度为 |V| 的计数向量，且都为非负整数。
下面，就到了最关键的部分。基于tf-idf，我们将得到Weight Matrix （权重矩阵）。
这里，第i行第j列表示的是第j个document中第i个term的 tf-idf 值。这样，每个document 被表示成维度为 |V| 的实数矩阵。
我们将terms 视为空间（space）里面的轴（axes），documents视为这个空间（space）里里面的点（points）或者向量（vectors），得到的将是一个非常高纬度的向量空间。从上面的矩阵可以看出，每个向量（vector）非常稀疏，因为有很多为0的值（entries）。
那我们怎么比较请求（query）和 document 之间的相似度呢？我们需要对documents的相似度做一个排序。
计算相似度有很多方法，这里我们主要介绍欧式距离（Euclidean distance）和余弦（Cosine）方法。
欧式距离（Euclidean distance）：
但是，通过欧氏距离来计算相似度的方法并不好，它没有将向量的长度考虑进来。采用Cosine方法，可以很好地解决这个问题。
Cosine:
Step 1: 归一化向量。归一化后的向量是原向量跟向量长度的比值。
Step 2: 计算 document 向量和 query 向量之间的相似度;
其中，
对于归一化后的向量，可以直接计算Cosine 相似度：