python 输入一句话,怎么判别该句话是在五个文件中的哪一个,用jieba库和词频统计,程序

这里提供一种可能的实现方法：

1. 准备五个文件，分别为file1.txt, file2.txt, file3.txt, file4.txt, file5.txt。
2. 对于每个文件，先使用jieba库进行分词，然后统计每个词语出现的次数。
3. 将生成的词频统计结果保存到对应的文件中，文件名为file1_freq.txt, file2_freq.txt, file3_freq.txt, file4_freq.txt, file5_freq.txt。
4. 在判断时，将输入的句子也进行分词，并统计每个词语出现的次数。
5. 分别读取五个词频统计文件，计算输入句子与每个文件中的词频统计结果的余弦相似度。
6. 找到余弦相似度最高的文件，即可判断输入句子属于哪个文件。

下面是可能的代码实现：

import jieba
import os
import math

# 定义文件名和路径
file_names = ['file1.txt', 'file2.txt', 'file3.txt', 'file4.txt', 'file5.txt']
freq_names = ['file1_freq.txt', 'file2_freq.txt', 'file3_freq.txt', 'file4_freq.txt', 'file5_freq.txt']
file_paths = [os.path.join(os.getcwd(), file_name) for file_name in file_names]
freq_paths = [os.path.join(os.getcwd(), freq_name) for freq_name in freq_names]

# 分词和词频统计函数
def process_file(file_path, freq_path):
    with open(file_path, 'r', encoding='utf-8') as f:
        content = f.read()
        seg_list = jieba.cut(content)
        word_freq = {}
        for word in seg_list:
            if word in word_freq:
                word_freq[word] += 1
            else:
                word_freq[word] = 1
        with open(freq_path, 'w', encoding='utf-8') as freq_file:
            for k, v in word_freq.items():
                freq_file.write('{} {}\n'.format(k, v))
                
# 分别处理五个文件
for file_path, freq_path in zip(file_paths, freq_paths):
    process_file(file_path, freq_path)

# 输入句子
sentence = input('请输入句子：')

# 分词和词频统计
seg_list = jieba.cut(sentence)
word_freq = {}
for word in seg_list:
    if word in word_freq:
        word_freq[word] += 1
    else:
        word_freq[word] = 1

# 计算余弦相似度
max_similarity = -1
max_index = -1
for i, freq_path in enumerate(freq_paths):
    with open(freq_path, 'r', encoding='utf-8') as freq_file:
        freq_lines = freq_file.readlines()
        freq_dict = {}
        for line in freq_lines:
            k, v = line.strip().split()
            freq_dict[k] = int(v)
        numerator = 0
        denominator1 = 0
        denominator2 = 0
        for k, v in word_freq.items():
            numerator += v * freq_dict.get(k, 0)
            denominator1 += v ** 2
            denominator2 += (freq_dict.get(k, 0)) ** 2
        denominator = math.sqrt(denominator1) * math.sqrt(denominator2)
        similarity = numerator / denominator if denominator != 0 else 0
        if similarity > max_similarity:
            max_similarity = similarity
            max_index = i

# 输出结果
if max_index != -1:
    print('该句子属于文件{}。'.format(file_names[max_index]))
else:
    print('无法判断该句子属于哪个文件。')

需要注意的是，余弦相似度的计算方法仅适用于非负向量空间模型，而在实际应用中，文本常常需要进行归一化、去停用词等预处理。此外，该实现方法仅使用了单一的特征（即词频），而在实际应用中，常常需要使用多种特征并进行特征组合，如使用TF-IDF、词向量等。