文本余弦相似度 python 代码

可以使用Python中的余弦相似度公式计算文本之间的相似度。以下是一个简单的示例代码：

import math

def cosine_similarity(vector1, vector2):
    dot_product = 0.0
    norm1 = 0.0
    norm2 = 0.0
    for i in range(len(vector1)):
        dot_product += vector1[i] * vector2[i]
        norm1 += vector1[i] ** 2
        norm2 += vector2[i] ** 2
    if norm1 == 0.0 or norm2 == 0.0:
        return 0.0
    else:
        return dot_product / (math.sqrt(norm1) * math.sqrt(norm2))

vector1 = [1, 2, 3, 4, 5]
vector2 = [2, 4, 6, 8, 10]
similarity = cosine_similarity(vector1, vector2)
print(similarity)

其中，`vector1`和`vector2`是要进行比较的两个向量，可以是字符串、句子或文本的分词向量表示。函数返回两个向量的余弦相似度，值为0到1之间，越接近1表示两个向量越相似。

相关问题

文本余弦相似度python

计算文本之间的余弦相似度可以使用Python中的scikit-learn库。以下是一个示例代码：

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

# 两个文本
text1 = "This is the first document."
text2 = "This document is the second document."

# 将文本转换为TF-IDF向量
vectorizer = TfidfVectorizer()
tfidf = vectorizer.fit_transform([text1, text2])

# 计算余弦相似度
cos_sim = cosine_similarity(tfidf[0], tfidf[1])

print("余弦相似度：", cos_sim[0][0])

输出结果为：

余弦相似度： 0.23570226039551584

其中，`TfidfVectorizer`将文本转换为TF-IDF向量，`cosine_similarity`计算余弦相似度。

余弦相似度python

### 回答1：
余弦相似度是一种计算向量之间相似度的方法，常用于文本相似度计算。在 Python 中，可以使用以下代码来计算两个向量的余弦相似度：

import numpy as np

def cosine_similarity(a, b):
    cos_sim = np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))
    return cos_sim

其中，a 和 b 是两个向量，np.dot() 函数计算两个向量的点积，np.linalg.norm() 函数计算向量的范数。返回值是 a 和 b 的余弦相似度，取值范围为 [-1, 1]。当余弦相似度为 1 时，表示两个向量完全相似；当余弦相似度为 -1 时，表示两个向量完全不相似；当余弦相似度为 0 时，表示两个向量正交，方向完全不同。

### 回答2：
余弦相似度是一种用于比较两个向量之间的相似性的度量方法。在Python中，我们可以使用scikit-learn（sklearn）库来计算余弦相似度。

首先，我们需要导入相应的库：

from sklearn.metrics.pairwise import cosine_similarity
import numpy as np

然后，我们需要创建两个向量用于比较。向量可以是列表、数组等数据结构。这里我们以两个列表作为例子：

vector1 = [1, 2, 3, 4, 5]
vector2 = [2, 4, 6, 8, 10]

接下来，我们需要将这两个向量转换为numpy数组形式，以便进行计算：

vector1 = np.array(vector1).reshape(1, -1)
vector2 = np.array(vector2).reshape(1, -1)

然后，我们可以使用cosine_similarity函数计算余弦相似度：

similarity = cosine_similarity(vector1, vector2)

最后，我们可以打印出计算结果：

print(f"The cosine similarity between vector1 and vector2 is: {similarity[0][0]}")

这样就可以得到两个向量之间的余弦相似度。

总结一下，要使用Python计算余弦相似度，首先导入相应的库，创建待比较的向量，将向量转换为numpy数组形式，然后使用cosine_similarity函数计算余弦相似度，最后打印出结果即可。

### 回答3：
余弦相似度是一种衡量两个向量之间相似性的方法，常常用于文本相似度的计算。在Python中，可以使用scikit-learn库中的cosine_similarity函数来计算余弦相似度。

首先，需要将文本数据转换为向量表示。可以使用CountVectorizer或TfidfVectorizer等向量化方法，将文本转换为稀疏矩阵。假设有两段文本A和B，使用TfidfVectorizer进行向量化。

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

# 定义两段文本
text_a = "我爱中国"
text_b = "中国是一个伟大的国家"

# 创建TfidfVectorizer对象
vectorizer = TfidfVectorizer()

# 将文本向量化
vectorized_text = vectorizer.fit_transform([text_a, text_b])

# 计算余弦相似度
similarity = cosine_similarity(vectorized_text[0], vectorized_text[1])[0][0]

print(f"文本A与文本B的余弦相似度为：{similarity}")

上述代码中，使用TfidfVectorizer将文本向量化，并计算了文本A和文本B之间的余弦相似度。结果会打印出文本A与文本B的余弦相似度。

需要注意的是，向量化和计算余弦相似度的过程中，文本预处理（如中文分词、停用词处理等）也是非常重要的，可以使用其他的第三方库（如jieba）进行相关处理操作。