语句与文档的相似度的计算代码

语句与文档的相似度通常是通过文本匹配算法来计算的，例如余弦相似度、Jaccard相似系数或TF-IDF（词频-逆文档频率）。这里是一个简单的Python示例，使用`sklearn`库中的`TfidfVectorizer`和`cosine_similarity`计算句子与文档之间的相似度：

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

# 假设我们有两组数据，一组是句子，另一组是文档
sentences = ["这是一个句子", "这是另一个句子"]
documents = ["这是第一个文档的内容", "这是第二个文档的内容"]

# 将文本转化为向量表示
vectorizer = TfidfVectorizer()
sentence_vectors = vectorizer.fit_transform(sentences)
document_vectors = vectorizer.transform(documents)

# 计算相似度矩阵
similarity_matrix = cosine_similarity(sentence_vectors, document_vectors)

# 对角线元素代表每个句子自身的相似度，非对角线元素则代表句子与文档的相似度
for i, sentence in enumerate(sentences):
    similarity_scores = similarity_matrix[i]
    print(f"句子'{sentence}'与文档的相似度为:\n{similarity_scores}")