o使用【python】写【文本相似度分析】的代码

在Python中，可以使用自然语言处理库NLTK（Natural Language Toolkit）和TfidfVectorizer或Word2Vec等技术来计算文本之间的相似度。这里是一个基本的例子，我们将使用Tf-IDF（Term Frequency-Inverse Document Frequency）方法：

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

# 假设我们有两段文本
texts = ["这是第一段文本", "这是第二段非常相似的文本"]

# 创建TF-IDF向量izer
vectorizer = TfidfVectorizer()

# 将文本转换为TF-IDF矩阵
tfidf_matrix = vectorizer.fit_transform(texts)

# 计算余弦相似度
similarity_matrix = cosine_similarity(tfidf_matrix[0:1], tfidf_matrix)

# 获取第一段文本与其他文本的相似度
similarity_score = similarity_matrix[0][1]

print(f"第一段文本与第二段文本的相似度为: {similarity_score}")