gensim + tfidf计算句子之间相似度

def get_tfidf(words_lists):
    texts = words_lists
    dictionary = corpora.Dictionary(texts)
    feature_cnt = len(dictionary.token2id)
    
    corpus = [dictionary.doc2bow(text) for text in texts]
    
    tfidf = models.TfidfModel(corpus)

    return tfidf, dictionary, corpus, feature_cnt

texts:二维数组,每一行代表一个句子,内容是分词结果。

dictionary:相当于建了个字典,键:索引,值:词。

corpus:把句子转化成每个词出现多少次,[[(索引1,次数), (索引2,次数), ...],[(索引0,次数), (索引2,次数), ...]。

tfidf:以当前语料建模。

def get_semantic_similarity_for_line(words_list1, tfidf, dictionary, corpus, feature_cnt):
    
    kw_vector = dictionary.doc2bow(words_list1)#(jieba.lcut(keyword))
    index = similarities.SparseMatrixSimilarity(tfidf[corpus], num_features=feature_cnt)

    sim = index[tfid
  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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
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