求助各位大侠，关于余弦相似度consine的一些问题？

大家好，我想实现一个功能，判断两个文本的相似度，比如该文本是广告，需要提取文本的关键字。（判断该文本是否是广告？）
那么这里就有问题了，第一：我该怎么设计这些关键字呢？
第二：当我接受到了一个文本后，我怎么查找，该文本中是不有该关键字呢？