请给我一个机器学习解决地名歧义的Python代码示例

好的，以下是一个简单的 Python 代码示例，可以用来解决地名歧义问题：

import nltk
from nltk.corpus import stopwords
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

def disambiguate_location(locations, query):
    # 停用词列表
    stop_words = set(stopwords.words('english'))
    
    # 创建一个 TF-IDF 向量器
    vectorizer = TfidfVectorizer(stop_words=stop_words)
    
    # 将所有地名转换为 TF-IDF 向量
    vectors = vectorizer.fit_transform(locations)
    
    # 将查询转换为 TF-IDF 向量
    query_vector = vectorizer.transform([query])
    
    # 计算查询和每个地名之间的余弦相似度
    cosine_similarities = cosine_similarity(query_vector, vectors).flatten()
    
    # 找到最相似的地名
    best_location_idx = cosine_similarities.argmax()
    best_location = locations[best_location_idx]
    
    # 返回最相似的地名
    return best_location

要使用此函数，只需将要解决的所有地名放入一个列表中，然后将查询作为输入传递给 `disambiguate_location()` 函数即可。该函数将计算查询和每个地名之间的余弦相似度，并返回与查询最相似的地名。