欧式距离计算文本相似度python代码

欧式距离是一种常用的文本相似度计算方法，可以用于比较两个文本之间的相似程度。下面是一个简单的Python代码示例，可以用来计算两个字符串之间的欧式距离。

import math

def euclidean_distance(text1, text2):
    # 将文本转换为向量
    vector1 = text_to_vector(text1)
    vector2 = text_to_vector(text2)

    # 计算欧式距离
    distance = 0.0
    for key in vector1:
        if key in vector2:
            distance += (vector1[key] - vector2[key]) ** 2
        else:
            distance += vector1[key] ** 2
    for key in vector2:
        if key not in vector1:
            distance += vector2[key] ** 2

    return math.sqrt(distance)

def text_to_vector(text):
    words = text.split()
    vector = {}
    for word in words:
        if word in vector:
            vector[word] += 1
        else:
            vector[word] = 1
    return vector

# 测试
text1 = "This is a sample sentence."
text2 = "This is another example sentence."
distance = euclidean_distance(text1, text2)
print(distance)

该代码首先将文本转换为向量，然后使用欧式距离公式计算两个向量之间的距离。在这个示例中，我们使用空格将文本分成单词，并计算每个单词在文本中出现的次数作为向量的值。你可以根据需要对代码进行修改，以适应你的具体应用场景。