在沒有外部庫的情況下計算兩個句子字串之間的餘弦相似度
在自然語言處理的背景下，計算餘弦相似度對於測量文件之間的文字相似度至關(guān)重要。雖然 tf-idf-cosine 等外部函式庫可以促進(jìn)此任務(wù)，但也可以在不依賴此類依賴項的情況下手動計算餘弦相似度。
餘弦相似度概述
餘弦相似性量化了表示文本的兩個向量之間的角度。餘弦相似度越高，角度越小，表示文字之間的相似度越大。它是使用歸一化向量除以其振幅的點(diǎn)積來計算的。
手動實現(xiàn)餘弦相似度
要手動計算餘弦相似度，我們定義以下步驟：
- 標(biāo)記化
- 標(biāo)記化：將句子分割成單獨(dú)的單字。
- 向量化：為每個句子中的每個單字建立一個計數(shù)器，它代表它的頻率（術(shù)語頻率）。
- 歸一化：將每個元素除以其元素平方和的平方根（L2 範(fàn)數(shù)）來歸一化向量。
餘弦計算：計算歸一化向量的點(diǎn)積並除以它們的大小。
代碼實現(xiàn)<code class="python">import math
import re
from collections import Counter
WORD = re.compile(r"\w+")
def get_cosine(vec1, vec2):
intersection = set(vec1.keys()) & set(vec2.keys())
numerator = sum([vec1[x] * vec2[x] for x in intersection])
sum1 = sum([vec1[x] ** 2 for x in vec1])
sum2 = sum([vec2[x] ** 2 for x in vec2])
denominator = math.sqrt(sum1) * math.sqrt(sum2)
if not denominator:
return 0.0
else:
return numerator / denominator
def text_to_vector(text):
words = WORD.findall(text)
return Counter(words)
text1 = "This is a foo bar sentence ."
text2 = "This sentence is similar to a foo bar sentence ."
vector1 = text_to_vector(text1)
vector2 = text_to_vector(text2)
cosine = get_cosine(vector1, vector2)
print("Cosine:", cosine)</code>
下面是手動餘弦相似度計算的Python 實現(xiàn)：
結(jié)果Cosine: 0.861640436855此程式碼執(zhí)行如下：
此值表示兩個句子之間的高餘弦相似度，確認(rèn)它們在文字上相似。
進(jìn)一步的考慮因素- 雖然此手動方法提供了基本的實現(xiàn)，但可以通過以下方式增強(qiáng)： ：
- 結(jié)合詞幹或詞形還原以改進(jìn)單字規(guī)範(fàn)化。
以上是在沒有外部函式庫的情況下，如何計算兩個句子之間的餘弦相似度？的詳細(xì)內(nèi)容。更多資訊請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！
熱AI工具
Undress AI Tool
免費(fèi)脫衣圖片
Undresser.AI Undress
人工智慧驅(qū)動的應(yīng)用程序，用於創(chuàng)建逼真的裸體照片
AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。
Clothoff.io
AI脫衣器
Video Face Swap
使用我們完全免費(fèi)的人工智慧換臉工具，輕鬆在任何影片中換臉！
熱門文章
熱工具
記事本++7.3.1
好用且免費(fèi)的程式碼編輯器
SublimeText3漢化版
中文版，非常好用
禪工作室 13.0.1
強(qiáng)大的PHP整合開發(fā)環(huán)境
Dreamweaver CS6
視覺化網(wǎng)頁開發(fā)工具
SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)
Python類中的多態(tài)性
Jul 05, 2025 am 02:58 AM
多態(tài)是Python面向?qū)ο缶幊讨械暮诵母拍?，指“一種接口，多種實現(xiàn)”，允許統(tǒng)一處理不同類型的對象。 1.多態(tài)通過方法重寫實現(xiàn)，子類可重新定義父類方法，如Animal類的speak()方法在Dog和Cat子類中有不同實現(xiàn)。 2.多態(tài)的實際用途包括簡化代碼結(jié)構(gòu)、增強(qiáng)可擴(kuò)展性，例如圖形繪製程序中統(tǒng)一調(diào)用draw()方法，或遊戲開發(fā)中處理不同角色的共同行為。 3.Python實現(xiàn)多態(tài)需滿足：父類定義方法，子類重寫該方法，但不要求繼承同一父類，只要對象實現(xiàn)相同方法即可，這稱為“鴨子類型”。 4.注意事項包括保持方
解釋Python發(fā)電機(jī)和迭代器。
Jul 05, 2025 am 02:55 AM
迭代器是實現(xiàn)__iter__()和__next__()方法的對象，生成器是簡化版的迭代器，通過yield關(guān)鍵字自動實現(xiàn)這些方法。 1.迭代器每次調(diào)用next()返回一個元素，無更多元素時拋出StopIteration異常。 2.生成器通過函數(shù)定義，使用yield按需生成數(shù)據(jù)，節(jié)省內(nèi)存且支持無限序列。 3.處理已有集合時用迭代器，動態(tài)生成大數(shù)據(jù)或需惰性求值時用生成器，如讀取大文件時逐行加載。注意：列表等可迭代對像不是迭代器，迭代器到盡頭後需重新創(chuàng)建，生成器只能遍歷一次。
如何處理Python中的API身份驗證
Jul 13, 2025 am 02:22 AM
處理API認(rèn)證的關(guān)鍵在於理解並正確使用認(rèn)證方式。 1.APIKey是最簡單的認(rèn)證方式，通常放在請求頭或URL參數(shù)中；2.BasicAuth使用用戶名和密碼進(jìn)行Base64編碼傳輸，適合內(nèi)部系統(tǒng)；3.OAuth2需先通過client_id和client_secret獲取Token，再在請求頭中帶上BearerToken；4.為應(yīng)對Token過期，可封裝Token管理類自動刷新Token；總之，根據(jù)文檔選擇合適方式，並安全存儲密鑰信息是關(guān)鍵。
解釋Python斷言。
Jul 07, 2025 am 12:14 AM
Assert是Python用於調(diào)試的斷言工具，當(dāng)條件不滿足時拋出AssertionError。其語法為assert條件加可選錯誤信息，適用於內(nèi)部邏輯驗證如參數(shù)檢查、狀態(tài)確認(rèn)等，但不能用於安全或用戶輸入檢查，且應(yīng)配合清晰提示信息使用，僅限開發(fā)階段輔助調(diào)試而非替代異常處理。
如何一次迭代兩個列表
Jul 09, 2025 am 01:13 AM
在Python中同時遍歷兩個列表的常用方法是使用zip()函數(shù)，它會按順序配對多個列表並以最短為準(zhǔn)；若列表長度不一致，可使用itertools.zip_longest()以最長為準(zhǔn)並填充缺失值；結(jié)合enumerate()可同時獲取索引。 1.zip()簡潔實用，適合成對數(shù)據(jù)迭代；2.zip_longest()處理不一致長度時可填充默認(rèn)值；3.enumerate(zip())可在遍歷時獲取索引，滿足多種複雜場景需求。
什麼是Python迭代器？
Jul 08, 2025 am 02:56 AM
Inpython，IteratorSareObjectSthallowloopingThroughCollectionsByImplementing_iter __（）和__next __（）。 1）iteratorsWiaTheIteratorProtocol，使用__ITER __（）toreTurnterateratoratoranteratoratoranteratoratorAnterAnteratoratorant antheittheext__（）
什麼是Python型提示？
Jul 07, 2025 am 02:55 AM
typeHintsInpyThonsolverbromblemboyofambiguityandPotentialBugSindyNamalytyCodeByallowingDevelopsosteSpecefectifyExpectedTypes.theyenhancereadability，enablellybugdetection，andimprovetool.typehintsupport.typehintsareadsareadsareadsareadsareadsareadsareadsareadsareaddedusidocolon（
Python Fastapi教程
Jul 12, 2025 am 02:42 AM
要使用Python創(chuàng)建現(xiàn)代高效的API，推薦使用FastAPI；其基於標(biāo)準(zhǔn)Python類型提示，可自動生成文檔，性能優(yōu)越。安裝FastAPI和ASGI服務(wù)器uvicorn後，即可編寫接口代碼。通過定義路由、編寫處理函數(shù)並返回數(shù)據(jù)，可以快速構(gòu)建API。 FastAPI支持多種HTTP方法，並提供自動生成的SwaggerUI和ReDoc文檔系統(tǒng)。 URL參數(shù)可通過路徑定義捕獲，查詢參數(shù)則通過函數(shù)參數(shù)設(shè)置默認(rèn)值實現(xiàn)。合理使用Pydantic模型有助於提升開發(fā)效率和準(zhǔn)確性。
