栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

(Python jieba+bow)实现文本相似度比较

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

(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())

 

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/317135.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号