python机器学习计算中文文本相似度代码

以下是使用Python计算中文文本相似度的示例代码：

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

# 分词
def cut_text(text):
    return ' '.join(jieba.cut(text))

# 计算相似度
def calculate_similarity(text1, text2):
    # 分词
    cut_text1 = cut_text(text1)
    cut_text2 = cut_text(text2)
    # 构建TF-IDF向量
    vectorizer = TfidfVectorizer()
    tfidf = vectorizer.fit_transform([cut_text1, cut_text2])
    # 计算余弦相似度
    similarity = cosine_similarity(tfidf)[0][1]
    return similarity

# 示例
text1 = '这是一个中文文本。'
text2 = '这是另一个中文文本。'
similarity = calculate_similarity(text1, text2)
print('相似度：', similarity)

上述代码使用了jieba库进行中文分词，利用TF-IDF向量和余弦相似度计算中文文本相似度。需要注意的是，中文文本相似度计算的难点在于中文分词，需要使用专门的中文分词工具进行处理。