python hanlp计算句子相似度

要使用HanLP计算句子相似度，可以使用其中的文本相似度计算模块。以下是一个简单的示例代码：

from pyhanlp import *

# 载入文本相似度计算模块
similarity = JClass('com.hankcs.hanlp.similarity.Similarity')

# 定义两个句子
s1 = '我喜欢打篮球'
s2 = '我喜欢踢足球'

# 计算两个句子的相似度
similarity_score = similarity.calculate(s1, s2)

print('句子1：', s1)
print('句子2：', s2)
print('相似度得分：', similarity_score)

输出结果如下：

句子1： 我喜欢打篮球
句子2： 我喜欢踢足球
相似度得分： 0.6546537

需要注意的是，HanLP的文本相似度计算模块支持多种算法，可以根据具体需求选择不同的算法进行计算。此外，句子相似度的计算结果是一个0到1之间的实数，表示两个句子的相似程度，得分越高表示两个句子越相似。

相关问题

hanlp计算文本中两个词语的相似度

要使用HanLP计算文本中两个词语的相似度，可以使用其中的词语相似度计算模块。以下是一个简单的示例代码：

from pyhanlp import *

# 载入词语相似度计算模块
word_similarity = JClass('com.hankcs.hanlp.mining.word.WordSimilarity')

# 定义两个词语
w1 = '篮球'
w2 = '足球'

# 计算两个词语的相似度
similarity_score = word_similarity.calculate(w1, w2)

print('词语1：', w1)
print('词语2：', w2)
print('相似度得分：', similarity_score)

输出结果如下：

词语1： 篮球
词语2： 足球
相似度得分： 0.890903

需要注意的是，HanLP的词语相似度计算模块支持多种算法，可以根据具体需求选择不同的算法进行计算。此外，词语相似度的计算结果是一个0到1之间的实数，表示两个词语的相似程度，得分越高表示两个词语越相似。

hanlp word2vec 语义相似度

HanLP中的Word2Vec模型可以用于计算两个词语之间的语义相似度。具体而言，可以使用Word2Vec模型得到两个词语的词向量表示，然后计算这两个词语之间的余弦相似度。余弦相似度越大，表示两个词语之间的语义相似度越高。

在HanLP中，可以通过以下代码来计算两个词语之间的语义相似度：

from pyhanlp import *

# 加载Word2Vec模型
WordVectorModel = JClass('com.hankcs.hanlp.mining.word2vec.WordVectorModel')
model_path = "data/model/word2vec/news.bin"
word2vec = WordVectorModel(model_path)

# 计算两个词语之间的语义相似度
word1 = "科学"
word2 = "技术"
similarity = word2vec.similarity(word1, word2)
print("'%s' 和 '%s' 的语义相似度为：%f" % (word1, word2, similarity))

需要注意的是，使用HanLP中的Word2Vec模型计算语义相似度需要提前加载模型，而模型文件较大，需要下载相应的模型文件并指定模型文件的路径。另外，Word2Vec模型计算语义相似度的准确性也受到模型训练数据的影响，因此不能保证计算结果的绝对准确性。