如何使用python代碼實(shí)現(xiàn)余弦相似性計(jì)算

這篇文章主要介紹如何使用python代碼實(shí)現(xiàn)余弦相似性計(jì)算，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

A：西米喜歡健身

B：超超不愛(ài)健身，喜歡打游戲

step1:分詞

A：西米／喜歡／健身

B：超超／不／喜歡／健身，喜歡／打／游戲

step2:列出兩個(gè)句子的并集

西米／喜歡／健身／超超／不／打／游戲

step3:計(jì)算詞頻向量

A：[1,1,1,0,0,0,0]

B：[0,1,1,1,1,1,1]

step4:計(jì)算余弦值

余弦值越大，證明夾角越小，兩個(gè)向量越相似。

step5:python代碼實(shí)現(xiàn)

import jieba
import jieba.analyse
def words2vec(words1=None, words2=None):
 v1 = []
 v2 = []
 tag1 = jieba.analyse.extract_tags(words1, withWeight=True)
 tag2 = jieba.analyse.extract_tags(words2, withWeight=True)
 tag_dict1 = {i[0]: i[1] for i in tag1}
 tag_dict2 = {i[0]: i[1] for i in tag2}
 merged_tag = set(tag_dict1.keys()) | set(tag_dict2.keys())
 for i in merged_tag:
  if i in tag_dict1:
   v1.append(tag_dict1[i])
  else:
   v1.append(0)
  if i in tag_dict2:
   v2.append(tag_dict2[i])
  else:
   v2.append(0)
 return v1, v2
def cosine_similarity(vector1, vector2):
 dot_product = 0.0
 normA = 0.0
 normB = 0.0
 for a, b in zip(vector1, vector2):
  dot_product += a * b
  normA += a ** 2
  normB += b ** 2
 if normA == 0.0 or normB == 0.0:
  return 0
 else:
  return round(dot_product / ((normA**0.5)*(normB**0.5)) * 100, 2)  
def cosine(str1, str2):
 vec1, vec2 = words2vec(str1, str2)
 return cosine_similarity(vec1, vec2)
print(cosine('阿克蘇蘋(píng)果', '阿克蘇蘋(píng)果'))

以上是“如何使用python代碼實(shí)現(xiàn)余弦相似性計(jì)算”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！