PHP中TF-IDF与余弦相似性计算文章相似性

首先使用TF-IDF算法提取两篇文章的关键词，并合并成一个集合，如关键词较多可使用堆取TOPK关键词。然后计算每篇文章对于这个集合中的词的词频，即单词数/总词数，然后生成各自词频向量。