用python实现计算两段中文之间的相似性

实现中文文本相似性计算有很多方法，这里简单介绍一种基于余弦相似性的方法。

首先需要用分词工具对中文文本进行分词，常用的分词工具有jieba、THULAC等。接下来将分词后的文本转化为向量表示，可以使用词袋模型或者TF-IDF模型。最后计算两个文本向量之间的余弦相似度即可。

以下是一个简单的例子，使用jieba分词和sklearn库计算两个句子之间的相似度：

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

# 分词
def tokenize(text):
    return list(jieba.cut(text))

# 计算文本向量
def vectorize(texts):
    vectorizer = CountVectorizer(tokenizer=tokenize)
    X = vectorizer.fit_transform(texts)
    return X.toarray()

# 计算相似度
def similarity(text1, text2):
    vector1, vector2 = vectorize([text1, text2])
    return cosine_similarity([vector1], [vector2])[0][0]

text1 = "今天天气不错"
text2 = "天气真好啊"
print(similarity(text1, text2)) # 输出结果为 0.67

需要注意的是，这种方法只是一种简单的文本相似度计算方法，实际应用中还需要考虑到更多因素，如语义的相似性等。