php 匹配2个标签或多个标签的余弦相似度 写个完整列子

在 PHP 中，如果你想要计算HTML标签的“余弦相似度”（通常用于文本内容相似度而非标签），你需要先提取标签的内容，然后再应用余弦相似度算法。这里假设你有一个包含HTML标签的字符串数组，我们可以使用DOMDocument来解析标签内容，然后计算两段文本的余弦相似度。以下是完整的例子：

<?php
function cosine_similarity($doc1, $doc2) {
    // 将文档内容转换为词袋模型
    $vector1 = get_text_vector($doc1);
    $vector2 = get_text_vector($doc2);

    // 计算向量的长度
    $length1 = sqrt(array_sum(array_map(function($v) {return pow($v, 2);}, $vector1)));
    $length2 = sqrt(array_sum(array_map(function($v) {return pow($v, 2);}, $vector2)));

    // 如果长度为0（空文档），直接返回0
    if ($length1 == 0 || $length2 == 0) {
        return 0;
    }

    // 计算点积
    $dotProduct = array_sum(array_map(function($a, $b) {return $a * $b;}, $vector1, $vector2));

    // 计算余弦相似度
    return $dotProduct / ($length1 * $length2);
}

function get_text_vector($html) {
    $dom = new DOMDocument();
    @$dom->loadHTML($html); // 解析HTML

    $tags_to_extract = ['p', 'span']; // 需要提取的标签列表
    $text_nodes = [];

    // 获取指定标签的内容
    foreach ($tags_to_extract as $tag) {
        $xpath = '//'.$tag.'/*[not(self::script | self::style)]';
        foreach ($dom->getElementsByTagName($tag) as $node) {
            $text_nodes[] = trim($node->nodeValue);
        }
    }

    // 转换为词频数组
    $vector = array_count_values(array_map('strtolower', $text_nodes));
    return $vector;
}

// 示例
$html1 = '<div><p>这是一个测试</p><span>另一个测试段落</span></div>';
$html2 = '<div><p>这是另一个测试</p><span>同样的测试内容</span></div>';

$similarity = cosine_similarity($html1, $html2);
echo "两段HTML的余弦相似度：$similarity\n";

?>

这个示例会计算两个HTML片段中指定标签（如`<p>`和`<span>`）内容的余弦相似度。注意这只是一个简化版本，实际应用中你可能需要处理更复杂的场景，比如清洗HTML、分词、停用词过滤等。