安卓计算中文句子余弦相似度

计算中文句子余弦相似度可以使用分词工具将句子转化为词向量，然后计算词向量间的余弦相似度。推荐使用Python的gensim库中的TfidfModel和SparseMatrixSimilarity来实现。具体实现可以参考以下代码：

import jieba.posseg as pseg
from gensim import corpora, models, similarities

# 停用词列表，可根据实际情况添加其他停用词
stop_words = ['的', '了', '和', '是', '就', '都', '而', '及', '与', '或', '等', '亦', '从', '着', '可以', '到', '非', '吗']

# 分词函数
def cut_sentence(sentence):
    words = pseg.cut(sentence)
    return [word.word for word in words if word.word not in stop_words]

# 计算中文句子余弦相似度
def calc_similarity(s1, s2):
    # 分词
    cut_s1 = cut_sentence(s1)
    cut_s2 = cut_sentence(s2)
    # 构造词典和语料库
    dictionary = corpora.Dictionary([cut_s1, cut_s2])
    corpus = [dictionary.doc2bow(cut_s) for cut_s in [cut_s1, cut_s2]]
    # 计算tf-idf值
    tfidf = models.TfidfModel(corpus)
    corpus_tfidf = tfidf[corpus]
    # 计算相似度
    index = similarities.SparseMatrixSimilarity(corpus_tfidf)
    sim = index[tfidf[corpus[0]]][1]
    return sim

其中，cut_sentence函数使用jieba库进行分词，并且去除停用词；calc_similarity函数接收两个句子作为输入，使用gensim库中的TfidfModel和SparseMatrixSimilarity计算这两个句子的余弦相似度，并返回相似度的值。注意，该函数所需的jieba、gensim库需要提前安装。