UC头条：python基础教程: python代码如何实现余弦相似性计算

A：西米喜欢健身

B：超超不爱健身，喜欢打游戏

step1:分词

A：西米／喜欢／健身

B：超超／不／喜欢／健身，喜欢／打／游戏

step2:列出两个句子的并集

西米／喜欢／健身／超超／不／打／游戏

step3:计算词频向量

A：[1,1,1,0,0,0,0]

B：[0,1,1,1,1,1,1]

step4:计算余弦值

点击加载图片

余弦值越大，证明夹角越小，两个向量越相似。

step5:python代码实现

import jieba import jieba.analyse

def words2vec(words1=None, words2=None):

v1 =[] v2 =[] tag1 = jieba.analyse.extract_tags(words1, withWeight=True) tag2 = jieba.analyse.extract_tags(words2, withWeight=True) tag_dict1 ={i[0]: i[1]for i in tag1} tag_dict2 ={i[0]: i[1]for i in tag2} merged_tag = set(tag_dict1.keys)| set(tag_dict2.keys)for i in merged_tag: if i in tag_dict1:

v1.append(tag_dict1[i]) else:

v1.append(0)if i in tag_dict2:

v2.append(tag_dict2[i]) else:

v2.append(0)return v1, v2

def cosine_similarity(vector1, vector2):

dot_product = 0.0

normA = 0.0

normB = 0.0 for a, b in zip(vector1, vector2):

dot_product += a * b

normA += a ** 2

normB += b ** 2 if normA == 0.0 or normB == 0.0: return 0

else: return round(dot_product / ((normA**0.5)*(normB**0.5)) * 100, 2) def cosine(str1, str2):

vec1, vec2 = words2vec(str1, str2)return cosine_similarity(vec1, vec2) print(cosine('阿克苏苹果', '阿克苏苹果'))

非常感谢你的阅读

大学的时候选择了自学python，工作了发现吃了计算机基础不好的亏，学历不行这是

没办法的事，只能后天弥补，于是在编码之外开启了自己的逆袭之路，不断的学习python核心知识，深入的研习计算机基础知识，整理好了，如果你也不甘平庸，那就与我一起在编码之外，不断成长吧！

其实这里不仅有技术，更有那些技术之外的东西，比如，如何做一个精致的程序员，而不是“屌丝”，程序员本身就是高贵的一种存在啊，难道不是吗？[点击加入]想做你自己想成为高尚人，加油

点击加载图片

程序员牡蛎

发布了28 篇原创文章 · 获赞 12 · 访问量 1万+