python - 列表中两个单词之间的余弦相似度

Question

我正在定义一个函数，它接受单词列表并返回列表中彼此之间具有非零余弦相似度的单词的信息(以及相似度值)。

谁能帮我解决这个问题。我在想如果我能得到一个预先计算的 word2vec 矢量文件那么它会非常有帮助，但互联网上没有。

Answer 1

您可以定义这两个函数

def word2vec(word):
    from collections import Counter
    from math import sqrt

    # count the characters in word
    cw = Counter(word)
    # precomputes a set of the different characters
    sw = set(cw)
    # precomputes the "length" of the word vector
    lw = sqrt(sum(c*c for c in cw.values()))

    # return a tuple
    return cw, sw, lw

def cosdis(v1, v2):
    # which characters are common to the two words?
    common = v1[1].intersection(v2[1])
    # by definition of cosine distance we have
    return sum(v1[0][ch]*v2[0][ch] for ch in common)/v1[2]/v2[2]

并像本示例中那样使用它们

>>> a = 'safasfeqefscwaeeafweeaeawaw'
>>> b = 'tsafdstrdfadsdfdswdfafdwaed'
>>> c = 'optykop;lvhopijresokpghwji7'
>>> 
>>> va = word2vec(a)
>>> vb = word2vec(b)
>>> vc = word2vec(c)
>>> 
>>> print cosdis(va,vb)
0.551843662321
>>> print cosdis(vb,vc)
0.113746579656
>>> print cosdis(vc,va)
0.153494378078

顺便说一句，word2vec您在标签中提到的内容是完全不同的业务，这需要我们中的一个人花大量的时间和精力来研究它，猜猜怎么着，我不是那个人......