similitud entre paginas webs

[madsiro]

Hola, tengo que implementar una aplicacion que me compare dos documentos, tengo q hacer un crawler y estoy en la parte de comparar entre los documentos web y lo voy a hacer por el contenido de las paginas, he buscado acerca de eso y he encontrado el algoritmo coseno de similaridad, pero mi problema es que la informacion que he encontrado no la entiendo bien, explican las formulas del algoritmo, pero no se por donde empezar para implementarlo, lo voy a hacer en c++, por favor alguien que me pueda ayudar a entender bien acerca de su implementacion, gracias y saludos cordiales.

[ivancp]

Los algoritmos de ciencias de la computacion no se aplican literalmente como indican los papers. Es necesario que entiendas la mecanica de la solucion mediante éste metodo.

Te sugiero que comprendas al 110% como trabaja ese metodo de recuperacion de información. En español no creo que encuentres una luz al final del tunel, busca el termino "cosine similarity".