如何用Python编写一个简单的文本相似度分析程序？

在Python中，可以使用一些现成的库如NLTK (Natural Language Toolkit) 和 Scikit-Learn 来编写简单的文本相似度分析程序。这里我们以余弦相似度为例，它是一种常用的文本相似度计算方法：

1. 首先安装所需的库：

pip install nltk scikit-learn

2. 导入库并下载必要的资源：

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

nltk.download('punkt')

3. 准备数据，将文本转换为向量表示：

texts = ['这是一个示例文本1', '这是另一个示例文本2', '又是一个不同的文本3']
vectorizer = TfidfVectorizer()
text_vectors = vectorizer.fit_transform(texts)

4. 计算两个文本之间的相似度：

similarity_matrix = cosine_similarity(text_vectors)
example_1_vector = text_vectors[0]  # 获取第一个文本的向量
other_text_similarities = similarity_matrix[0]

5. 输出最相似的文本：

most_similar_index = other_text_similarities.argmax()  # 找到最大值的索引
print(f"文本1与{texts[most_similar_index]}的相似度最高")