要输出最大的五个文档，还有他们的余弦相似度

好的，我们可以稍微修改一下之前的代码，返回前五个文档及其对应的余弦相似度。

import numpy as np

def cosine_similarity(query, docs):
    # 将查询向量表示为一个词袋模型向量
    q = np.zeros(len(vocab))
    for w in query:
        if w in vocab:
            q[vocab[w]] += 1
    
    # 将所有文档表示为一个词袋模型矩阵
    A = np.zeros((len(docs), len(vocab)))
    for i, doc in enumerate(docs):
        for w in doc:
            if w in vocab:
                A[i, vocab[w]] += 1
    
    # 计算余弦相似度
    norm_q = np.linalg.norm(q)
    norm_A = np.linalg.norm(A, axis=1)
    similarity = np.dot(A, q) / (norm_q * norm_A)
    
    # 取出前五个文档及其对应的余弦相似度
    top_docs = np.argsort(-similarity)[:5]
    top_similarity = similarity[top_docs]
    return top_docs, top_similarity

# 读取文档
docs = []
with open('tweet.txt', 'r', encoding='utf-8') as f:
    for line in f:
        docs.append(line.strip().split())

# 建立词汇表
vocab = {}
for doc in docs:
    for w in doc:
        if w not in vocab:
            vocab[w] = len(vocab)

# 计算余弦相似度并返回前五个文档及其对应的余弦相似度
query_str = 'your query string'
query = query_str.strip().split()
top_docs, top_similarity = cosine_similarity(query, docs)
for i, sim in zip(top_docs, top_similarity):
    print('doc:', docs[i], 'similarity:', sim)

上述代码中，我们在 `cosine_similarity` 函数中添加了返回余弦相似度的代码，然后在主函数中输出前五个文档及其对应的余弦相似度。

需要注意的是，余弦相似度的取值范围是 $[-1, 1]$，如果取值越接近 $1$，表示两个向量越相似；如果取值越接近 $-1$，表示两个向量越不相似。