algoritmo coseno de similaridad

[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.

[JuanNoldin]

mmmm Por el contenido de la página... bueno se me ocurre que uses el cod fuente de cada página, donde puedes al valor asscii de cada caracter multiplicado x un valor de ordinalidad asignado dependiendo de donde aparezca cada caracter, asi cada página o cada texo, al final, dara como resultado un número q dificilmente se vuelva a repetir,si usas solo números primos para la ordinalidad. <----puede ser mejorado. Saludos