使用【python】写【文本相似度分析】的代码

在Python中，我们可以使用多种库来实现文本相似度分析，其中最常用的是`NLTK`、`spaCy`、`Scikit-learn`以及`Gensim`等。这里以`scikit-learn`库为例，它提供了TfidfVectorizer和cosine_similarity函数来进行简单的文本相似度计算：

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

# 假设我们有两组文本数据
texts = ['这是一个示例文本1', '这是另一个示例文本', '这是第三个文本']
text_pairs = [(texts[0], texts[1]), (texts[0], texts[2])]

# 创建词袋模型并转换为TF-IDF向量
vectorizer = TfidfVectorizer()
tfidf_matrix = vectorizer.fit_transform(texts)

# 计算相似度矩阵
similarity_matrix = cosine_similarity(tfidf_matrix)

# 打印每一对文本的相似度
for i in range(len(text_pairs)):
    pair = text_pairs[i]
    similarity = similarity_matrix[i][i]  # 对角线元素是自相似度，非对角线元素是相互之间的相似度
    print(f"Pair {pair}: Similarity = {similarity:.2f}")