python-文章相似度计算

python-文章相似度计算

编写一个程序，设计实现以下函数并实现整体功能（文章相似度计算）：
1.0 word_input_file(file):输入文本文件路径（如input.txt），返回该文档的合理表示（用于以下任务）
1.1 word_tf_df(sentences,word)：输入文章列表、词，输出该词的词频、文档频率
1.2 word_cosine_similarity(sentences,sentence1,sentence2)：输入文章列表、文章1、文章2，输出文章1和文章2的相似度（即相似的程度，使用余弦相似度【可搜索相关概念】）’’’

读取文章列表

def get_article_list(path):
    """
    从文件中读取文章列表：
    path: 文件路径
    return: (返回列表list[]/元组tuple()）
    """
    file = open(path, encoding='utf8')
    res = []
    # 定义一个空列表
    for line in file:
        list1 = line.split('	')
        res.append(list1[1])
        # 每一行新闻加入列表当作一个字符串
    return tuple(res)
# 列表转换成元组，加上'tuple’
articles = get_article_list('../day2/input.txt')

获取文章的词

# 返回词袋，所有文章的词（不重复的）->tuple
def get_bag(article_list):
    """
    返回文章列表词袋
    :article_list:文章列表
    :return:词袋
    """
    # 定义一个空集合,集合可以去重
    res = set