用node写计算两个文本之间的相似度的代码

以下是用Node.js实现余弦相似度算法和Jaccard相似度算法的代码：

// 引入mathjs和jaccard模块
const math = require('mathjs');
const jaccard = require('jaccard');

// 余弦相似度算法函数
function cosineSimilarity(text1, text2) {
  // 将文本转化为向量表示
  const vec1 = text1.split(' ');
  const vec2 = text2.split(' ');

  // 计算余弦相似度
  const similarity = math.dot(vec1, vec2) / (math.norm(vec1) * math.norm(vec2));

  return similarity;
}

// Jaccard相似度算法函数
function jaccardSimilarity(text1, text2) {
  // 将文本转化为词集合
  const set1 = new Set(text1.split(' '));
  const set2 = new Set(text2.split(' '));

  // 计算Jaccard相似度
  const similarity = jaccard.index(set1, set2);

  return similarity;
}

// 测试代码
const text1 = 'hello world';
const text2 = 'world hello';
const similarity1 = cosineSimilarity(text1, text2);
const similarity2 = jaccardSimilarity(text1, text2);
console.log(`余弦相似度：${similarity1}`);
console.log(`Jaccard相似度：${similarity2}`);

在测试代码中，我们分别测试了余弦相似度和Jaccard相似度算法的效果，输出了相似度的结果。需要注意的是，以上代码只是示例，实际使用时可能需要根据具体情况进行调整和优化。