基于gensim模块的中文句子相似度计算工具

概述

中文句子相似度的计算有很多模型，我们使用 TFIDF , LSI 与 LDA 模型

这3中模型更加适用于文章相似度的计算

对于句子来说，长度太短，正确率相对不高

算法及代码

具体这几种模型的原理介绍可以参考别人的博客 

http://www.52nlp.cn/%E5%A6%82%E4%BD%95%E8%AE%A1%E7%AE%97%E4%B8%A4%E4%B8%AA%E6%96%87%E6%A1%A3%E7%9A%84%E7%9B%B8%E4%BC%BC%E5%BA%A6%E4%B8%80

gensim包提供了这几个模型，因此我们直接拿来用就好

我将这个模型进行了简单的封装，包括增加了中文分词分句，并提供清晰简洁的API