无需外部库即可计算句子字符串的余弦相似度
无需外部模块即可计算两个文本字符串之间的余弦相似度，一个简单的 Python 实现可以就业。此过程中使用了基本的余弦相似度公式：
cos(θ) = (A · B) / (||A|| · ||B||)
其中：
实现
以下 Python 代码提供了此公式的实际实现：
<code class="python">import math
import re
from collections import Counter
WORD = re.compile(r"\w+")
def get_cosine(vec1, vec2):
intersection = set(vec1.keys()) & set(vec2.keys())
numerator = sum([vec1[x] * vec2[x] for x in intersection])
sum1 = sum([vec1[x] ** 2 for x in list(vec1.keys())])
sum2 = sum([vec2[x] ** 2 for x in list(vec2.keys())])
denominator = math.sqrt(sum1) * math.sqrt(sum2)
if not denominator:
return 0.0
else:
return float(numerator) / denominator
def text_to_vector(text):
words = WORD.findall(text)
return Counter(words)</code>要使用此代码，请使用 text_to_vector 函数将句子字符串转换为向量，然后使用 get_cosine 函数计算余弦相似度：
<code class="python">text1 = "This is a foo bar sentence ."
text2 = "This sentence is similar to a foo bar sentence ."
vector1 = text_to_vector(text1)
vector2 = text_to_vector(text2)
cosine = get_cosine(vector1, vector2)
print("Cosine:", cosine)</code>这将输出两个句子字符串之间的余弦相似度。请注意，此实现中不包含 tf-idf 权重，但如果有合适的语料库，则可以添加。
以上是如何在没有外部库的情况下用Python计算句子字符串之间的余弦相似度？的详细内容。更多信息请关注PHP中文网其他相关文章！
