计算句子字符串的余弦相似度
余弦相似度是两个向量之间相关性的度量。在文本处理的背景下，它可以用来确定两个句子之间的相似度。要在没有外部库的情况下计算两个字符串的余弦相似度，请按照以下步骤操作：
一个简单的 Python 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>示例用法：
<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>输出：
Cosine: 0.861640436855
请注意，此实现不包含 TF-IDF 加权，这可以提高较大数据集的余弦相似度。
以上是如何在不使用外部库的情况下计算两个句子之间的余弦相似度？的详细内容。更多信息请关注PHP中文网其他相关文章！
