复旦NLP--文本相似度算法

开场白

        大作业进了自然语言处理的坑，真是毁一生。作业涉及到文本相似度的比较，所以就打算用复旦的这个NLP包，之所以不用哈工大的那个，是因为复旦是友校嘛╮(╯-╰)╭

        先讲讲我们作业的应用场景吧，就是根据一个新闻找到他的相关新闻，看上去很简单，甚至直接百度就可以做到。但是后来发现结果并不是很令人满意，于是我们打算基于百度到的结果再对新闻的相关度进行比对。

算法实现

        复旦NLP是可以进行机器学习，训练，然后进行相似度的计算的。人家专门有个包是做这个的，但是我们这项目，本身期望不高，就没这么麻烦，于是乎就没有看这个包里面的东西，那除了训练以外，复旦NLP也提供有不需要训练直接计算的接口，那精度跟训练的比较起来如何我也就不知道了，反正能用就好╮(╯-╰)╭

        那不训练的算法其实也是看上去很科学的~首先针对两个文本a，b；第一步是调用相关的parser生成两个DependencyTree，至于这个