Python计算两个词语的相似度

要计算两个词语的相似度，可以使用自然语言处理库NLTK或者词向量库gensim来实现。以下是使用gensim计算两个词语的相似度的示例代码：

from gensim.models import KeyedVectors

# 加载预训练的词向量模型（例如使用Word2Vec或FastText训练的模型）
word_vectors = KeyedVectors.load_word2vec_format('path_to_pretrained_model.bin', binary=True)

# 计算两个词语的相似度
similarity = word_vectors.similarity('word1', 'word2')

print(similarity)

请确保将"path_to_pretrained_model.bin"替换为你自己的预训练词向量模型的路径。这个模型可以是Word2Vec或FastText等词向量模型。

另外，如果你没有训练好的词向量模型，你可以使用NLTK库来计算两个词语的相似度。以下是一个使用NLTK计算相似度的示例代码：

from nltk.corpus import wordnet

# 获取两个词语的synsets（同义词集）
synsets1 = wordnet.synsets('word1')
synsets2 = wordnet.synsets('word2')

# 计算两个词语的相似度
max_similarity = 0

for synset1 in synsets1:
    for synset2 in synsets2:
        similarity = synset1.path_similarity(synset2)
        if similarity is not None and similarity > max_similarity:
            max_similarity = similarity

print(max_similarity)

这段代码使用了WordNet词库中的同义词集（synsets）来计算相似度。请确保你已经安装了NLTK库并下载了WordNet数据。

注意，这些方法计算的是词语的语义相似度，而不是词语的字符串相似度。如果你需要计算字符串相似度，可以使用其他算法，如Levenshtein距离或基于编辑距离的算法。