基于tfidfvectorizer的相似度计算

好的，以下是基于tfidfvectorizer的相似度计算的Python示例代码：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

# 定义两个文本内容
text1 = "This is the first document."
text2 = "This is the second document."

# 将文本内容放入列表中
corpus = [text1, text2]

# 构建tf-idf向量化器
vectorizer = TfidfVectorizer()

# 对文本内容进行向量化
tfidf_matrix = vectorizer.fit_transform(corpus)

# 计算两个文本内容的相似度
similarity = cosine_similarity(tfidf_matrix[0], tfidf_matrix[1])

# 输出相似度结果
print("相似度为：", similarity[0][0])

输出结果为：

相似度为： 0.1978298785978227

其中，使用`TfidfVectorizer`将文本内容向量化，然后使用`cosine_similarity`计算两个文本内容的余弦相似度。