您当前的位置: 首页 >  彭世瑜 Python

Python编程:通过交集并集计算文档相似度

彭世瑜 发布时间:2019-02-25 18:06:43 ,浏览量:2

分词函数

def split_word(document):
    """
    分词,去除停用词
    """
    stop_words = {":", "的", ",", "”"}

    text = []
    for word in jieba.cut(document):
        if word not in stop_words:
            text.append(word)
    return text

通过交集并集计算文档相似度


from itertools import combinations
    
documents = [
    "窝趣公寓完成近2亿元B轮融资主打品质和轻松社交的居住环境",
    "IBM的区块链副总裁JesseLund:比特币将达到100万美元",
    "窝趣公寓完成近2亿元B轮融资"
]

# 计算两两组合的相似度
for doc1, doc2 in combinations(documents, 2):
    words1 = split_word(doc1)
    words2 = split_word(doc2)

    words1_set = set(words1)
    words2_set = set(words2)

    similar12 = len(words1_set & words2_set) / len(words1_set | words2_set)
    print("{:.2f}".format(similar12), doc1, doc2)

计算结果

0.00 窝趣公寓完成近2亿元B轮融资主打品质和轻松社交的居住环境 IBM的区块链副总裁JesseLund:比特币将达到100万美元
0.53 窝趣公寓完成近2亿元B轮融资主打品质和轻松社交的居住环境 窝趣公寓完成近2亿元B轮融资
0.00 IBM的区块链副总裁JesseLund:比特币将达到100万美元 窝趣公寓完成近2亿元B轮融资
关注
打赏
1688896170
查看更多评论

彭世瑜

暂无认证

  • 2浏览

    0关注

    2727博文

    0收益

  • 0浏览

    0点赞

    0打赏

    0留言

私信
关注
热门博文
立即登录/注册

微信扫码登录

0.0555s