python - 计算python中两个向量(词袋)之间的欧氏距离

Question

我用字典来表示文章中的字数

例如{"name": 2 , "your": 10, "me", 20} 表示"name"出现两次，"your"出现10次，"me"出现 20 次。

那么，有没有什么好的方法可以计算这些向量的欧式距离呢？困难在于这些向量的长度不同，有些向量包含某些词，有些则不包含。

我知道我肯定可以编写一个长函数来这样做，只是寻找一种更简单、更聪明的方法。谢谢

编辑:目标是获取两篇文章之间的相似度并将它们分组

Answer 1

有点像

math.sqrt(sum((a[k] - b[k])**2 for k in a.keys()))

其中 a 和 b 是具有相同键的字典。如果您要比较不同向量对之间的这些值，那么您应该确保每个向量包含完全相同的词，否则您的距离测量将毫无意义。

您可以仅根据交点计算距离:

math.sqrt(sum((a[k] - b[k])**2 for k in set(a.keys()).intersection(set(b.keys()))))

另一种选择是使用联合并将未知值设置为 0

math.sqrt(sum((a.get(k, 0) - b.get(k, 0))**2 for k in set(a.keys()).union(set(b.keys()))))

但您必须仔细考虑您正在计算的实际内容。