使用【python】写【文本相似度分析】的代码茶叶电子商务网站茶叶电子商务网站

在Python中，可以使用NLTK（Natural Language Toolkit）库结合TF-IDF（Term Frequency-Inverse Document Frequency）或者Word2Vec、BERT等模型来进行文本相似度分析。这里以TF-IDF为例，假设我们有两个字符串表示商品描述：

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

# 假设商品描述存储在一个列表中
product_descriptions = ['优质铁观音', '西湖龙井新茶', '安吉白茶']

# 创建TfidfVectorizer实例并转换成向量
vectorizer = TfidfVectorizer()
tfidf_matrix = vectorizer.fit_transform(product_descriptions)

# 计算两个商品描述之间的相似度
def calculate_similarity(description1, description2):
    tfidf_matrix_1 = vectorizer.transform([description1])
    tfidf_matrix_2 = vectorizer.transform([description2])
    similarity_score = cosine_similarity(tfidf_matrix_1, tfidf_matrix_2)
    return similarity_score[0][0]

# 示例使用
similarity = calculate_similarity('铁观音', '铁观音')
print(f"两个描述的相似度为: {similarity}")