余弦相似度计算代码python

余弦相似度是一种衡量两个非零向量之间角度的统计方法，在文本挖掘、推荐系统等领域常用于比较文档之间的相似度。在Python中，可以使用内置的`math`库以及numpy库来计算余弦相似度。以下是一个简单的例子：

import math
import numpy as np

def cosine_similarity(vec1, vec2):
    # 计算点积
    dot_product = np.dot(vec1, vec2)
    
    # 计算向量长度
    norm_vec1 = np.linalg.norm(vec1)
    norm_vec2 = np.linalg.norm(vec2)

    # 防止除数为0，当向量长度为0时直接返回0（这在实践中不太可能发生）
    if norm_vec1 == 0 or norm_vec2 == 0:
        return 0
    
    # 计算余弦相似度
    similarity = dot_product / (norm_vec1 * norm_vec2)
    return similarity

# 示例向量
vec1 = [1, 2, 3]
vec2 = [4, 5, 6]

similarity = cosine_similarity(vec1, vec2)
print(f"两个向量的余弦相似度是: {similarity}")

相关问题

实体的余弦相似度计算python代码

实体的余弦相似度计算是一种用的文本相似度计算方法，可以用于比较两个实体之间的相似程度。下面是一个简单的Python代码示例：

import numpy as np
from sklearn.feature_extraction.text import CountVectorizer

def cosine_similarity(entity1, entity2):
    # 将实体转换为向量表示
    vectorizer = CountVectorizer().fit_transform([entity1, entity2])
    vectors = vectorizer.toarray()

    # 计算余弦相似度
    similarity = np.dot(vectors, vectors) / (np.linalg.norm(vectors) * np.linalg.norm(vectors))

    return similarity

# 示例实体
entity1 = "机器学习是人工智能的一个分支"
entity2 = "人工智能包括机器学习在内的多个领域"

# 计算实体的余弦相似度
similarity_score = cosine_similarity(entity1, entity2)
print("实体的余弦相似度：", similarity_score)

这段代码使用了`CountVectorizer`来将实体转换为向量表示，然后通过计算向量的余弦相似度来得到实体的相似度。请注意，这只是一个简单的示例，实际应用中可能需要对文本进行预处理和特征选择等操作。

余弦相似度计算代码，包含分词，python

余弦相似度是一种衡量两个非零向量之间角度的度量，常用于信息检索、推荐系统和文本分析等领域，尤其是在处理文档相似度问题时。在Python中，我们可以先对文本进行预处理，包括分词，然后将词语转换成向量（通常使用TF-IDF或词袋模型），最后利用余弦公式计算相似度。

以下是一个简单的例子，使用`jieba`库做中文分词，`sklearn`库计算TF-IDF后的余弦相似度：

from sklearn.feature_extraction.text import TfidfVectorizer
import jieba

# 假设我们有两个文档
doc1 = "这是一个中文句子"
doc2 = "这是另一个中文句子"

# 分词
def segment_text(doc):
    return ' '.join(jieba.cut(doc))

seg_doc1 = segment_text(doc1)
seg_doc2 = segment_text(doc2)

# 创建TfidfVectorizer实例并转换为向量
vectorizer = TfidfVectorizer()
tfidf_matrix = vectorizer.fit_transform([seg_doc1, seg_doc2])

# 计算余弦相似度
cosine_sim = tfidf_matrix[0].dot(tfidf_matrix[1].T) / (tfidf_matrix[0].norm() * tfidf_matrix[1].norm())

print(f"文档1和文档2的余弦相似度为: {cosine_sim:.4f}")