(Python jieba+bow)实现文本相似度比较

# -*- encoding=utf-8 -*-
import jieba.posseg
import jieba.analyse
import math
import re
# jieba实现中文分词
def jieba_function(input1):
    input1 = re.sub(r'\W*', '',input1)
    # jieba.load_userdict("dic.txt")
    jieba.analyse.set_stop_words("3.txt")
    # 词典库问题,自己分词
    jieba.suggest_freq(('看', '电视'), tune=True)
    word_2 = jieba.cut(input1)
    # print(' '.join(word_2))
    return(','.join(word_2))
# 创建集合取词库,创建字典存词频,创建列表取词频向量
def bow(sent1, sent2):
    sent1 = jieba_function(sent1)
    sent2 = jieba_function(sent2)
    print(sent1+'\n'+sent2)
    sent3 = sent1+','+sent2
    set1 = set((sent3).split(','))
    dict1={};dict2={}
    list_1=[];list_2=[]
    for i in set1:
        dict1[i] = sent1.count(i)
    for i in set1:
        dict2[i] = sent2.count(i)
    for i in dict1.values():
        list_1.append(i)
    for i in dict2.values():
        list_2.append(i)
    print(dict1,list_1)
    print(dict2,list_2)
    print(count_cos_similarity(list_1, list_2))
# 余弦函数求余弦相似度
def count_cos_similarity(vec_1, vec_2):
    if len(vec_1) != len(vec_2):
        return 0
    s = sum(vec_1[i] * vec_2[i] for i in range(len(vec_2)))
    den1 = math.sqrt(sum([pow(number, 2) for number in vec_1]))
    den2 = math.sqrt(sum([pow(number, 2) for number in vec_2]))
    return s / (den1 * den2)
bow(input(),input())

敬请指正!

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI小龘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值