即插即用demo系列——文本相似度比较
2016-09-22 16:28
393 查看
#coding=GBK
from fuzzywuzzy import fuzz
from gensim import corpora, models, similarities
def similar(query, choices, coding='utf8'):
'''文本相似度'''
return [fuzz.token_sort_ratio(query.decode(coding), i.decode(coding), False) for i in choices]
def similar2(query, choices, coding='utf8'):
'''文本相似度比较'''
texts = [[word for word in document.decode(coding).split()] for document in choices]
dictionary = corpora.Dictionary(texts)
corpus = [dictionary.doc2bow(text) for text in texts]
tfidf = models.TfidfModel(corpus)
corpus_tfidf = tfidf[corpus]
index = similarities.MatrixSimilarity(corpus_tfidf)
vec_bow = dictionary.doc2bow(query.decode(coding).split())
vec_tfidf = tfidf[vec_bow]
sims = index[vec_tfidf]
similarity = [int(i * 100) for i in list(sims)]
return similarity
if __name__ == '__main__':
print similar('测试 分词 fuzzy', ['分词 测试', '测试 分词 fuzzy', '今天 天气 很好', '没事 别 测试', 'NBA 篮球 好玩'], coding='gbk')
print similar2('测试 分词 fuzzy', ['分词 测试', '测试 分词 fuzzy', '今天 天气 很好', '没事 别 测试', 'NBA 篮球 好玩'], coding='gbk')
打印两个结果
[63, 100, 21, 44, 20]
[54, 100, 0, 5, 0]
数字越大,相似度越大。100的时候,说明完全相同
from fuzzywuzzy import fuzz
from gensim import corpora, models, similarities
def similar(query, choices, coding='utf8'):
'''文本相似度'''
return [fuzz.token_sort_ratio(query.decode(coding), i.decode(coding), False) for i in choices]
def similar2(query, choices, coding='utf8'):
'''文本相似度比较'''
texts = [[word for word in document.decode(coding).split()] for document in choices]
dictionary = corpora.Dictionary(texts)
corpus = [dictionary.doc2bow(text) for text in texts]
tfidf = models.TfidfModel(corpus)
corpus_tfidf = tfidf[corpus]
index = similarities.MatrixSimilarity(corpus_tfidf)
vec_bow = dictionary.doc2bow(query.decode(coding).split())
vec_tfidf = tfidf[vec_bow]
sims = index[vec_tfidf]
similarity = [int(i * 100) for i in list(sims)]
return similarity
if __name__ == '__main__':
print similar('测试 分词 fuzzy', ['分词 测试', '测试 分词 fuzzy', '今天 天气 很好', '没事 别 测试', 'NBA 篮球 好玩'], coding='gbk')
print similar2('测试 分词 fuzzy', ['分词 测试', '测试 分词 fuzzy', '今天 天气 很好', '没事 别 测试', 'NBA 篮球 好玩'], coding='gbk')
打印两个结果
[63, 100, 21, 44, 20]
[54, 100, 0, 5, 0]
数字越大,相似度越大。100的时候,说明完全相同
相关文章推荐
- 3大数据挖掘系列之文本相似度匹配
- 网页去重-比较文本的相似度-Near duplication detection
- 网页去重-比较文本的相似度-Near duplication detection
- 文本比较算法Ⅲ——计算文本的相似度
- pythonNLP-文本相似度计算-Demo
- 非主流自然语言处理——遗忘算法系列(五):文本相似度
- 文本比较算法Ⅲ——计算文本的相似度
- 大文本相似度比较
- 文本比较算法Ⅲ——计算文本的相似度
- 网页去重-比较文本的相似度-Near duplication detection
- 文本比较算法:计算文本的相似度
- java比较两个文本的相似度
- 如何比较两个文本的相似度
- 即插即用demo系列——RSA验证
- 如何比较两个文本的相似度 .
- 如何比较两个文本的相似度 .
- 矩阵式比较两文本字符串相似度(包含汉字)方法两则(java代码)
- 如何比较两个文本的相似度
- 短文本相似度比较
- Thymeleaf系列二 简单表达式: 变量、消息、Literals、文本、算术、比较和条件表达式