首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >python中的相似度匹配计算

python中的相似度匹配计算
EN

Stack Overflow用户
提问于 2012-05-20 06:15:38
回答 3查看 169关注 0票数 0

我正在做一个用python进行问答的项目。我已经有了问答文档的向量和tfidf的值。但是我不知道如何在python中计算相似度匹配。

EN

回答 3

Stack Overflow用户

发布于 2012-05-20 06:19:05

您可以使用两个向量之间的Euclidean distance,或其他距离度量(例如,Hamming distance),或向量的cross-correlation

票数 1
EN

Stack Overflow用户

发布于 2012-05-20 06:29:46

余弦相似度

代码语言:javascript
复制
length_question = .0
length_answer = .0

for word_tfidf in question:
    length_question += word_tfidf**2

for word_tfdif in answer:
     length_answer += word_tfidf**2

similarity = .0
for word in question:
    question_word_tfidf = question[word]
    answer_word_tfidf = answer.get(word, 0)
    similarity += question_word_tfidf * answer_word_tfidf
similarity /= math.sqrt(length_question * length_answer)
票数 1
EN

Stack Overflow用户

发布于 2012-05-20 07:04:37

你可以使用Levenshtein距离,在这里:http://en.wikibooks.org/wiki/Algorithm_Implementation/Strings/Levenshtein_distance#Python查看代码,在这里:http://en.wikipedia.org/wiki/Levenshtein_distance查看算法的讨论。

以下是从上面的链接复制的代码片段:

代码语言:javascript
复制
def levenshtein(s1, s2):
    if len(s1) < len(s2):
        return levenshtein(s2, s1)
    if not s1:
        return len(s2)

    previous_row = xrange(len(s2) + 1)
    for i, c1 in enumerate(s1):
        current_row = [i + 1]
        for j, c2 in enumerate(s2):
            insertions = previous_row[j + 1] + 1 # j+1 instead of j since previous_row and current_row are one character longer
            deletions = current_row[j] + 1       # than s2
            substitutions = previous_row[j] + (c1 != c2)
            current_row.append(min(insertions, deletions, substitutions))
        previous_row = current_row

    return previous_row[-1]
票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/10669221

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档