aaaayea的博客

原创 基于词频的文件相似度

基于词频的文件相似度 这个实在是不会了，他文本文件的导入和最后的比较，属实是不太了解，麻烦给个代码参考一下，谢谢啦 实现一种简单原始的文件相似度计算，即以两文件的公共词汇占总词汇的比 例来定义文章内容相似度。为简化问题，这里不考虑中文（因为分词困难），只 考虑长度不小于 1000 个英文单词的文章，长度超过 10 字母的单词只考虑前 10 个字母。 输入: 给出要检查的英文文本文件的文件夹位置 输出： 以表格形式给出该文件夹下两两文件的相似度数值 可以查询两文件的公共词汇（按照英文顺序输出） 考虑词频【加