這篇文章主要介紹了python程式碼如何實現餘弦相似性計算,文中通過示例程式碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

A：西米喜歡健身

B：超超不愛健身，喜歡打遊戲

step1:分詞

A：西米／喜歡／健身

B：超超／不／喜歡／健身，喜歡／打／遊戲

step2:列出兩個句子的並集

西米／喜歡／健身／超超／不／打／遊戲

step3:計算詞頻向量

A：[1,1,0]

B：[0,1]

step4:計算餘弦值

餘弦值越大，證明夾角越小，兩個向量越相似。

step5:python程式碼實現

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('阿克蘇蘋果','阿克蘇蘋果'))

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。