python 搜索引擎 词位置加权_如何提高python中的词移动距离相似度并利用加权senten提供相似度评分...

单词移动距离可以用来识别文本之间的相似性。

这种相似性可以用来比较多个文本，以找到最近的相似文本。

但是，我无法定制算法来执行以下操作

1) 消除位置(GPE)-由空间度确定，在文本中具有任意权重的相似度比较。

2) 把重点放在第一句话中的特征，而不是第二句的特征，第二句的特征比第三句的特征更重要，以此类推。在instance = WmdSimilarity(wmd_corpus, loaded_model, num_best=10)

start = time()

sent = 'Abc hotel serves best in class drunken prawn in north america . ABC Hotel has branches in London, New York, Chicago and San Francisco.'

query = preprocess(sent)

sims = instance[query] # A query is simply a "look-up" in the similarity class.

print('Cell took %.2f seconds to run.' % (time() - start))

print('Query:')

print(sent)

for i in range(num_best):

print()

print('sim = %.4f' % sims[i][1])

print(documents[sims[i][0]])

在这个特别的例子中，酒店描述被传递给大规模杀伤性武器的相似性，

结果确定了如下描述：

-DEF是芝加哥的一家餐厅，从1969年开始供应纯素食品。

-JKL目前在伦敦、纽约、芝加哥和旧金山服务

-这家旅馆的畅销货包括醉虾、宽面条等。(MNO酒店)

预期结果

从以上结果来看，只有MNO酒店与食品方面相关。在

查询：

如何排除其他因位置而绘制的酒店？在