Java基于余弦方法实现的计算两个字符串相似度算法示例

在Java中，可以使用余弦相似度算法来计算两个字符串的相似度。下面是一个简单的示例：

public class CosineSimilarity {
    public static void main(String[] args) {
        String s1 = "Hello world";
        String s2 = "Hello Java";
        double similarity = cosineSimilarity(s1, s2);
        System.out.println("Similarity between '" + s1 + "' and '" + s2 + "' is: " + similarity);
    }

    public static double cosineSimilarity(String s1, String s2) {
        // 将字符串转换为向量
        double[] v1 = toVector(s1);
        double[] v2 = toVector(s2);

        // 计算余弦相似度
        return cosineSimilarity(v1, v2);
    }

    private static double[] toVector(String s) {
        // 将字符串转换为小写，并去除标点符号
        s = s.toLowerCase().replaceAll("\\pP", "");

        // 将字符串分割为单词
        String[] words = s.split(" ");

        // 统计每个单词出现的次数
        Map<String, Integer> counts = new HashMap<>();
        for (String word : words) {
            counts.put(word, counts.getOrDefault(word, 0) + 1);
        }

        // 将每个单词的出现次数作为向量的一个分量
        double[] vector = new double[counts.size()];
        int i = 0;
        for (int count : counts.values()) {
            vector[i++] = count;
        }

        return vector;
    }

    private static double cosineSimilarity(double[] vectorA, double[] vectorB) {
        double dotProduct = 0.0;
        double normA = 0.0;
        double normB = 0.0;
        for (int i = 0; i < vectorA.length; i++) {
            dotProduct += vectorA[i] * vectorB[i];
            normA += Math.pow(vectorA[i], 2);
            normB += Math.pow(vectorB[i], 2);
        }
        return dotProduct / (Math.sqrt(normA) * Math.sqrt(normB));
    }
}

在上面的示例中，首先将两个字符串转换为向量，然后计算它们的余弦相似度。在toVector方法中，将字符串转换为小写并去除标点符号，然后将每个单词出现的次数作为向量的一个分量。在cosineSimilarity方法中，首先计算向量的内积，然后计算向量的模长，并最终计算余弦相似度。最后，在main方法中，使用示例字符串测试余弦相似度算法。