通用编码和 TF-IDF 是两种不同的野兽。我假设您的意思是由 TF-IDF 转换的向量空间模型。无论哪种方式：都不要直接告诉您两个文本的相似性是什么。通常你会使用余弦距离之类的东西来做到这一点。

对于 VSM，有许多技术可以对其进行转换。仅举几例：Rocchio 转换、LDA/LSI、词干提取、停止（或过滤计数和文档计数）。

听起来您遇到了稀疏问题：Rocchio 和 LDA 可以提供帮助。并且不要忘记一些不太优雅的技术，在这些技术中，您可以使用同义词列表来转换单词。